混响作为水声学中的基本物理现象之一,它的研究由来已久。传统的主动声纳利用多普勒和时间增益控制进行抗混响处理,但因受限于高斯假设,还没有真正意义上的最优检测器。论文从主动声纳背景干扰的非白非高斯假设出发,构建能适应背景统计性质的渐进最佳检测器,以期获取更好的回波检测性能。围绕这一目标,开展了以下几方面的工作:首先,考察了混合高斯模型(GM)和K分布模型的概率密度函数(PDF),并应用了一系列非高斯PDF参数估计的方法。GM参数估计由期望最大化算法(EM)获得:K分布的参数估计由最大似然算法和矩估计算法获得。基于PDF函数及其导数构建起来的U滤波,可以实现非高斯混响的高斯化。其次,研究了非高斯混响的功率谱密度(PSD)估计方法,论文采用AR模型拟合非高斯混响的PSD,模型的参数由最大似然估计(MLE)和加权最小二乘估计(WLSE)获得。基于非高斯AR参数估计建立AR滤波器,可以对非高斯混响数据进行预白化处理。最后,应用PDF和PSD的参数估计,融合预白化和高斯化模块,设计完成了非高斯混响背景下信号检测的渐近最佳检测器(CPWG)。并分析研究了它与Rao有效绩检验(REST)之间的关系。