借鉴合成孔径雷达在地面成像中的成功应用,二十世纪六十年代末合成孔径技术被引入声纳领域,由此产生了一种新型的高分辨率水下成像声纳--合成孔径声纳(SAS)。其基本原理是利用小孔径基阵在移动方向(方位向)的运动,通过对不同位置回波信号进行相干处理,从而形成等效的虚拟大孔径,并得到方位向高分辨率。合成孔径声纳所产生的高分辨率SAS图像是一种散射声学能量的相干记录,类似于一张海底图片,能给出可辨别的结构,比如沙波、海草床、岩石和人造物体等。高分辨率SAS图像的统计特性对大量实际应用有重要作用,尤其是不同类型海底识别、水雷探测、天然气或石油管道铺设等。以往SAS图像统计特性分析中一直采用基于中心极限定理(CLT)的瑞利分布模型,但是SAS成像中海底的非均匀性和空间联系性违背了CLT中独立同分布的条件,同时SAS实现的小声纳分辨率单元也违背了CLT中无限数量散射体的条件,因此瑞利分布不再适合描述高分辨率SAS图像统计特性。在此基础上,本文提出采用K分布研究SAS图像统计特性,为今后消除多途污染影响,提高图像质量奠定基础。具体内容主要包括：1.本文证明了未受多途污染影响的理想SAS图像统计特性为K分布。高分辨率SAS图像表现出明显的非瑞利、厚尾统计特性,可以用基于物理理论的形状参数a较小的K分布描述,且其形状参数与分辨单元内散射体或散射斑数量成正比,与声纳接收阵列的波束宽度成正比,与发射波带宽成反比。同时结合仿真理想SAS图像,分别用K分布和Rayleigh分布描述理想SAS图像的统计特性,从两种分布的匹配结果对比中验证了K分布的正确性。2.本文提出了受多途污染后SAS图像的统计特性服从混合K+K分布,这两个K分布分别代表直达波和多途污染。本章首先证明了多途污染可以近似为服从K分布,其正当性来源于高阶矩匹配和一种极限分布理论。同时以K分布形状参数作为参照,由理论分析和仿真数据证明了与无多途环境相比,多途污染会造成图像统计特性更瑞利化,厚尾减小,形状参数增加。3.本文研究了混合K+K分布的参数估计,对通用的EM算法进行改进,提出适用于本文所述混合K+K分布的参数估计方法：EM-MOM算法,并结合仿真混合K+K分布数据对该算法进行了验证,结果表明采用该算法能得到较好的参数估计值。