主动声纳在探测沉底或掩埋目标时海底混响是主要干扰。本文围绕着混响背景中信号检测的主题,结合高阶统计分析、支持向量机和时频滤波的理论及技术,研究了非高斯混响干扰中的信号检测技术和基于时频滤波的宽带信号检测技术。在混响统计模型的基础上,研究了混响干扰的统计特性,推导了受非高斯分布混响干扰时目标回波信号的概率密度。通过分析混响和目标回波的高阶统计特性,研究了基于高阶统计分析的特征检测方法(HOSA-SVM)。该检测方法在高信混比下检测性能较好,然而,由于只是提取3、4高阶统计特性,并且信混比对特性差异的影响比较严重,在低信混比下HOSA-SVM检测性能不太理想。针对HOSA-SVM检测方法的不足,提出了具有样本选择的支持向量机(DE-SVM)检测方法。该方法直接利用原始数据构造检测器,采用单类支持向量机进行样本选择,在不降低检测性能的前提下,有效的减少了训练时间,解决了训练样本数量与检测性能之间的矛盾。分析了该检测器的性能,在非高斯混响中DE-SVM检测算法的检测性能优于匹配滤波检测器。然而DE-SVM中的核函数及其参数的选择对检测性能的影响较大。针对该问题,首先理论分析了核函数在特征空间中的作用及对检测性能的影响,提出了基于数据驱动的自适应核函数的设计原则。利用混响和目标回波的高阶统计特性上的差别,设计了基于数据高阶统计量的自适应特征核函数。数学证明了该核函数在满足Mercer定理的前提下,能有效扩大两类样本在特征空间中的欧氏距离。然后将自适应特征核支持向量机(AFK-SVM)应用于混响背景中的信号检测,结合实际应用给出了训练和检测算法,并进行了湖上实验研究。最后分析了其检测性能,当混响背景为非高斯分布时,其检测性能优于基于传统核函数的支持向量机以及匹配滤波检测器。为了提高LFM信号的Wigner-Ville Hough变换(WHT)检测方法在低信噪比下的检测性能,研究了两种时频滤波方法。第一种方法首先分析了时频域上噪声和混响干扰的统计特性,然后采用基于统计特性的二维均值滤波和Wiener滤波方法抑制干扰。当信噪(混)比较高时,对噪声和混响有一定的抑制作用；然而,在较低的信混比下,二维均值滤波和Wiener滤波效果均不理想。第二种方法根据LFM信号与噪声和混响干扰在时频域上能量聚集性的不同,提出了自适应轴向均值脊波变换(XWVD-M-FRIT)的时频滤波方法。该方法首先采用互Wigner-Ville变换(XWVD)代替Wigner-Ville变换(WVD),在时频域上提高了信噪比,且避免了信号为多分量时各分量间的交叉项干扰。由于信号和噪声的统计特性不同,考虑到滑动窗长对均值滤波的影响,设计了自适应轴向均值滤波器用于滤除噪声和混响。然后采用脊波变换滤波进一步滤除噪声。最后采用Hough变换检测信号。对该滤波及检测方法进行了实验室及海上实验研究。分析了该时频滤波方法的统计性能,在低信噪(混)比下,XWVD-M-FRIT滤波后能有效的抑制噪声或混响干扰,使得该方法与WHT检测方法相比能够更有效的检测到目标回波信号。