水声信道跟踪可以提升水声通信中信道均衡的效果,同时还有助于探查水下信道的环境。由于水声信道具有复杂的时变特性,基于最小均方(Least Mean Square,LMS)方法、递归最小二乘(Recursive Least Square,RLS)方法等的传统无线通信系统信道均衡方法并不理想。因此,基于自回归模型的子空间跟踪(Subspace Tracking,ST)方法被引入到众多研究中来,该方法由水声信道的互相关特性,通过对非线性信道参数进行线性转换可以简化对信道的跟踪。然而若想进一步地深入了解整个水声信道环境,这些转换前的非线性信道参数却又是十分重要的。对此,本文提出了一种直接跟踪信道参数的水声信道跟踪方法,由水声信道的多径时变特性,我们通过卡尔曼滤波方法来跟踪本征声线中的每一条物理路径,以此获得每一条路径的参数估计及各路径的建立、隐藏、消失等演化过程。首先,本文基于浅海水声传播特性建立了一个时变的多径信道模型。模型中,每条路径的时延和多普勒随时间联合传递。该模型在实现对时延和多普勒联合跟踪的同时,可以规避通信系统中发射、接收换能器深度、相对位移等一些误差较大的参数。在对信道多径的跟踪上,本文采用了多伯努利滤波方法:当模型与环境相匹配时能够准确地跟踪相关参数;当模型与环境失配时仍可以实现对多径信道动态演化的分析。在每一时刻下,跟踪器可以估计出路径的数目,并对已经确认信道路径的信道参数进行跟踪。通过分析所有与跟踪器判决路径的建立、隐藏、消失的有关的跟踪结果,我们可以了解到本征路径的演化过程。在跟踪器性能方面:本文建立的多伯努利滤波器避免了传统多目标滤波器中繁杂的数据关联和假设;相比于随机有限集框架下的其他多目标跟踪器,多伯努利滤波器对各路径的跟踪具有独立性,避免了通常采用的势概率假设密度(Cardinalized Probability Hypothesis Density,CPHD)滤波的“幽灵效应”。与一般的机动目标跟踪不同,水声信道跟踪中的量测通常不能直接得到。因此,本文考虑通过信道估计的方法来获取有关量测。研究中考虑利用最小二乘法和正交匹配追踪法两种方法来实现信道估计,并通过仿真和海试验证上述信道模型、跟踪方法及量测方法的准确性。仿真和海试结果表明:本文建立的信道模型可以在一定条件下与浅海环境的信道特性相匹配,当匹配时本文设计的水声信道跟踪方法能够得到比原始量测更准确的信道参数估计;同时,即使在模型失配的情况下,跟踪仍能对多径数目进行估计,并能分析出每条路径的建立、隐藏、消失等物理现象;而本文在水声信道跟踪中所采用的量测方法,在仿真和海试实验中都可以为跟踪器提供有效的测量值。