匹配场处理是目前水下被动源定位的主要手段之一,其研究热点包含发展具有高分辨能力、宽容性以及适用于少快拍场景的算法。常规匹配场处理分辨能力低、旁瓣较高,目前已有的高分辨力匹配场处理大都依赖于较多的独立时间样本且对环境失配敏感,这些算法主要利用海洋环境知识和声压场数据。论文在此基础上挖掘并利用水下源目标信号在空间域的稀疏特性,研究一种基于稀疏重建的高分辨力匹配场源定位方法。论文从窄带匹配场源定位出发,将搜索区域离散化并将源定位问题转变为求解线性方程,其中待求解的信号为离散栅格点上的信号强度或功率,它具有稀疏特性。由于阵元数目通常小于栅格点数,因此系统方程是欠定的,根据压缩传感理论,可以采用稀疏重建算法求解该方程。论文重点发展了基于压缩传感和相关矩阵的方法(Compressive Sensing and correlation matrix based method,简称CS-R),基于数据相关矩阵建立系统方程,以增加观测值和稀疏度的比值,并将系统维度降至最低,该系统方程可以等效于常规匹配场处理的目标函数,使得CS-R可具有鲁棒性。它采用(?)1范数约束目标空间分布的稀疏性,通过稀疏重建算法使得估计的空间谱具有高分辨能力和旁瓣抑制能力。此外,CS-R不要求采样协方差矩阵满秩,因此其性能对快拍数的依赖程度较弱。论文进一步延续窄带匹配场处理的工作,研究基于稀疏重建的宽带匹配场处理。在宽带模型下,将各个频率点的信号稀疏表示形式组合为一个扩展向量,该扩展向量具有块稀疏性。在此基础上,构建扩展系统方程,并根据模基压缩传感技术利用块稀疏重建算法求解。由于块稀疏度比一般意义下的稀疏度更小,因此这类方法可以获得更好的估计性能。针对窄带匹配场处理,论文分别进行环境确实和不确实条件下的性能仿真,将CS-R方法与现有的一些方法对比,验证CS-R适用于快拍缺失场景且具有高分辨能力、鲁棒性和近似最优性。论文还探讨了CS-R方法中栅格精度对定位错误概率的影响。最后,通过实验数据处理验证了CS-R的有效性和可行性。