海洋流场的监测是海洋环境监测的重要组成部分。在研究海洋结构的时候,我们往往会利用海洋声层析技术提取声场所经过的海洋内部信息,如流速,声速等。流场层析属于像形成问题,在现实中,许多随机的,不可预测的物理因素影响着像结构,这时候像可以描述为随机过程。对流场的推断也成为随机过程推断。本文将从观测数据推断原始像入手,在信息理论框架下,研究流场层析问题。传统的流场层析基于射线的微扰法,该方法正是基于声信号在海洋环境中的传播特性,它将声线投影到某一平面,并引入基函数线性化传播时延差的积分式子,构成正问题,然后对流场进行推断。但传统的方法往往没有考虑声线的折射现象,不适用于深海环境。另外,传统的流场层析方法采用最小二乘方法对逆问题进行推断,通常待估量要多于观察量,导致欠定逆问题的解精度不足以及不稳定。本文提出的深海流场层析方法,考虑了声线在深海中的折射现象,将声线的传播在垂直方向上分层,构建三维的观测方程。另外,流场层析属于像形成问题,需要用随机过程描述像,信息理论中的最大熵白性过程可以表征流场演化的随机过程,然后结合三维观测方程构建状态-空间模型。在贝叶斯滤波框架下,本文将最大熵方法和粒子滤波结合,提出了最大熵粒子滤波方法对状态-空间模型进行求解。通过对实验数据的处理和分析,我们验证了最大熵粒子滤波方法有更好的精度和稳定性。