中文摘要：

利用水声混沌信号的局部可预测性，拓扑匹配滤波器和时频分析对非平稳信号的处理，高阶累积量对高斯噪声和对称分布噪声的抑制，以及基于相空间局部投影的非线性滤波，提出一种新的水声信号混沌检测方法。通过提取目标信号和海洋背景噪声的混沌特征参数，建立基于混沌理论的水下目标信号检测。针对水声信号的非平稳性，利用Wigner-Ville时频分布和基于奇异值分解的主元分析法对目标信号和噪声进行分离，建立低信噪比混沌检测模型。提出利用Wigner-Ville时频分布的交叉项对非平稳噪声中的信号进行检测；研究采用高阶累积量对水声信号进行相空间重构，建立低噪声混沌分析模型；采用人工神经网络对目标信号和环境噪声进行局部预测，通过混沌检测模型实现对非平稳情况下目标信号的检测。该课题的研究将解决困扰传统信号检测理论中的非平稳性对检测性能造成的不良影响，可望在解决低信噪比、非平稳水声信号的检测方面取得突破。

结论摘要：

针对水声信号的非高斯性、非平稳性、非线性等特点，利用混沌理论和非线性系统理论，研究了水声信号的混沌特性。利用水声混沌信号的局部可预测性，时频分析对非平稳信号的处理，高阶累积量对高斯噪声和对称分布噪声的抑制，以及基于相空间局部投影的非线性滤波，提出了一种新的水声信号混沌检测方法。通过提取目标信号和海洋背景噪声的混沌特征参数，建立了一种基于混沌理论的水下目标信号检测。在水声信号的非平稳性研究方面，利用Wigner-Ville时频分布和基于奇异值分解的主元分析法对目标信号和噪声进行分离，建立低信噪比混沌分析和检测模型。在微弱水下目标信号检测方面，针对水下目标信号的特点，提出了一种基于混沌振子模型的微弱水声信号检测新方法，改善了检测信噪比。同时，研究了利用Wigner-Ville时频分布的交叉项对非平稳噪声中的信号进行检测以及采用高阶累积量对水声信号进行相空间重构，建立低噪声混沌分析模型。采用人工神经网络对目标信号和环境噪声进行局部预测，通过混沌检测模型实现对非平稳情况下目标信号的检测。