海洋环境的复杂性和变异性,使得经典的信号探测与估计理论很难

海洋环境的复杂性和变异性，使得经典的信号探测与估计理论很难在实际海洋信道中获得良好稳定的性能，因此需要发展与水声物理场相结合、相适配的信号处理技术。匹配场处理（MFP）就是其中一种代表性技术，它是通过水声传播模型计算出的拷贝场与测量数据之间互相关，来实现对目标的探测与定位。MFP与之后演化出的匹配模处理（MMP）、模基匹配滤波（MBMF）等方法构成了声场空时匹配处理方法的基础[16]。由于考虑到海洋环境要素，匹配处理的性能理论上要优于传统基于统计特性的探测方法。

但是，早期的 MFP均是基于确定模型的，与实际海洋环境在时间与空间上的动态随机变化不相适应。

多基地主动目标探测技术

多基地主动目标探测技术。分布式探测系统工作在主动模式下即是多基地。多基地概念来自雷达领域，引入到水声领域已有数十年时间，但在应用上很难与雷达领域相比，究其原因主要是水声传播速度慢、时延不可忽略、信道时空起伏严重，基于概率统计与忽略时延的多基达探测与估计理论很难适用。因此，相关研究主要集中在利用简单声学模型（主要基于声呐方程）、结合经典统计理论与数据关联融合方法优化系统配置、探测与定位性能方面，其中探测方法与基于目标级关联融合的被动探测方法类似，未考虑主动观测周期、传播时延等的影响，其性能还是依赖于单基地探测能力，很难利用多基地特性获取额外增益。

主动认知探测技术将智能认知与主动目标探测相结合

主动认知探测技术。在传统主动探测中，由于缺乏知识反馈机制，在复杂变化的水下环境很难获得理想的探测效果。而所谓认知过程就是将感知、处理、学习与反应密切结合的知识形成过程，因此主动认知探测技术将智能认知与主动目标探测相结合，提出了一种基于知识反馈的智能探测架构和处理形式，即通过借鉴智能认知过程，利用发射水声信号主动感知水声环境和目标信息的特点，形成对环境与目标的认知学习，并将这种知识实时反馈给探测过程中的发射和接收环节，使之与环境和目标状况相适配形成正向反馈环路，从而能够在复杂环境下获取主动声目标探测性能。虽然主动认知探测研究尚处在起步阶段，但是为主动探测提供了新思路。