黑匣子是位于飞机上的特定数据记录器,在落入水中后会发出固定频率的周期脉冲信号。因此,在飞机失事坠入海洋后,黑匣子所发射的定位脉冲就成了重要的寻找依据。对失事飞机进行打捞,涉及对特定的声信标信号进行检测与识别,在时变、空变和频变的海洋环境中具有挑战性。首先,研究利用空时联合处理,基于合成孔径波束形成,提高接收信号的信噪比(Signalto-Noise Ratio,SNR)。鉴于目标声信标信号为周期脉冲信号,分析了两种被动合成孔径算法,推导周期脉冲信号下合成孔径波束功率的表达式。数值仿真结果表明,扩展拖曳阵列测量(Extended Towed Array Measurements,ETAM)算法能够提高合成孔径增益,实现弱信号能量增强。其次,研究将时频分析与支持向量机(Support Vector Machine,SVM)结合用于信号识别。在自适应线谱增强的基础上,结合时频分析提取了时域、频域的五种特征。建立了特征评价机制,根据鲁棒性和相关性标准选择有效的特征输入SVM分类器。数值仿真及湖上实验数据处理结果验证了所提出的基于SVM声信标信号识别的有效性。最后,考虑声信标信号的脉冲重复间隔(Pulse Repetition Interval,PRI)较长致使占空比小,将注意力机制和神经网络结合进行信号识别研究。基于长-短时记忆(Long-Short Time Memory,LSTM)神经网络,注意力机制通过键值匹配方式使关键帧拥有更大的权重,使神经网络更关注信号的周期性。数值仿真及湖上实验数据结果表明集成注意力机制的循环神经网络可以有效识别黑匣子信号。