随着人们对通信安全越来越重视,信息隐藏技术也开始受到研究者的关注。信息隐藏技术是将隐秘信息嵌入到正常通信载体中且不被攻击者发觉的一种隐秘通信技术。而信息隐藏检测技术是信息隐藏的逆过程,用于检测隐秘信息存在的概率。本学位论文主要研究物理层信息隐藏方案的检测算法,应用价值主要有两个:可以用来对信息隐藏方案的安全级别进行评估;可以用于检测不法者利用信息隐藏技术进行非法信息传输的概率。目前信息隐藏技术和信息隐藏检测技术的研究,大多集中在数字媒体等上层领域中。物理层由于信道衰落和接收机噪声,为观测信号引入了随机性,所以要比上层的信息隐藏方案更加难以检测。现有用于检测基于物理层信息隐藏的方法主要有两类:启发式检测和基于机器学习的检测。但存在以下缺陷:基于启发式的检测方法缺乏完整的理论分析框架,无法给出定量的理论分析;基于机器学习方法的检测方法是在某特定环境训练出来的检测模型,无法直接适用其他环境,缺乏鲁棒性。本学位论文研究物理层信息隐藏方法中两种嵌入策略的检测算法,两种嵌入策略包括:替换法和叠加法。本学位论文首先研究替换法,假设秘密通信双方共享密钥,通过密钥约定隐秘信号的嵌入位置。如果载体信号与隐秘信号对应的比特信息不同时,秘密发送方直接用隐秘信息的比特信息替换掉载体信号的比特信息。物理层信息隐藏方法在嵌入隐秘信号后,难免会增加对载体信号的正常接收产生的负面影响,比如接收解调误码率增加。但是可行的物理层信息隐藏方法不能增加解码误码率,否则上层协议将发现异常,暴露隐秘信号的存在。我们假设监视方不知道密钥,也不知道秘密发送方是否有嵌入隐秘信号,但是可以探测出正常载体信号的通信参数。利用物理层信息隐藏方法不破坏解码性能的条件,我们对均衡器输出的信号通过解调、解码、重新编码、重新调制恢复出完整的载体信号。比较恢复后的载体信号和接收信号,通过匹配法得到针对替换法的最优检测算法。但最优检测算法在执行时,面临两个挑战:准确估计接收机噪声方差和信道状态信息(channel state information,CSI)。针对接收机噪声方差估计,我们利用噪声和替换操作对载体信号的影响不同,设计了分组估计法可以低复杂性的估算接收机噪声方差。针对CSI估计,我们设计了两种检测算法:基于噪声分组检测算法;基于星座点距离检测算法。两种检测算法都允许有CSI估计误差存在。通过实验发现:基于噪声分组检测算法有更好的检测性能,但是基于星座点距离检测算法还可以实现对隐秘信号替换位置的定位。由于叠加法会将隐秘信号伪装成噪声的分布特性,所以比替换法具有更高的检测难度。本学位论文通过机器学习方法来设计叠加法的检测算法,即支撑向量机(support vector machine,SVM)检测算法。机器学习方法的关键是设计模型训练所需的特征序列。本学位论文构建两种特征序列:基于均衡器输出信号和基于匹配法输出信号。通过模型训练得到分类器,对叠加法所产生的信号进行检测。通过实验发现:基于匹配法输出信号的SVM检测算法具有更好的性能。