海洋水体声速通常可由仪器直接测量得到,然而只能获得局部点及线的声速数据,无法获得局部海域的观测数据。利用声传播模型和观测数据相结合的声学反演技术,为高效、快速的获取感兴趣的区域海洋声速场数据提供了一种有效的方法。针对声速剖面所具有的空时演化特性,本文首先根据序贯滤波的思想展开了相关算法的研究。从改善集合卡尔曼滤波(Ensemble Kalman Filter, EnKF)集合多样性的角度,引入了马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)方法,提出了MCMC-EnKF方法,并将其应用于声速剖面反演中。在不同模型下的数值仿真和实验数据处理结果表明,在同等计算量的情况下,MCMC-EnKF算法可有效的提高EnKF算法的反演性能,且在时变性较强的声速剖面反演问题中优势更为明显。针对固定声源反演问题中观测范围与分辨率所存在的矛盾,研究了移动源声速剖面反演方法,通过移动声源的灵活性以增加局部声压的采样密度从而改善反演精度的目的。由于移动源的反演模型增加了声速剖面反演的维度,本文探索了高自由度的反演方法,将MCMC的改良算法差分演化自适应抽样(Differential Evolution Adaptive Metropolis, DREAM-zs)应用于声速剖面的反演。仿真分析验证了该方法在处理高自由度声速剖面反演问题中的可行性。利用部分海试数据进一步验证MCMC-EnKF和DREAM-zs算法的有效性,并将两者的实验结果与经典的EnKF进行比较。另外,利用湖试数据对移动源声速剖面反演的方法进行了初步验证。