主动声呐信号是认识水下目标的有效途径之一。主动声呐装置发射信号,经过水下目标散射之后由接收器接收回波信号,再对回波信号进行处理和分析来认知目标。水下环境复杂,存在各种干扰噪声,携带噪声回波信号的处理困难,通常,为了提高主动声呐系统的探测精度,需要增加发射信号的带宽。但是带宽的增加,意味着信号数据量的急剧增加,给整个系统的信号采集、存储、传输及处理带来负担。针对这一问题,本文开展融入先验信息的主动声呐信号压缩感知处理方法研究。充分利用主动声呐信号的先验信息,结合压缩感知理论,拟解决回波信号在噪声干扰条件下信号重构精度和采样数据量大等问题。首先介绍了水下主动声呐信号和压缩感知理论的背景和意义,对国内外研究现状做了简要的概述。从主动声呐装置工作原理出发,介绍了主动声呐入射信号和接收的目标回波信号,并构建了目标回波模型。针对主动声呐信号,发掘出入射信号先验信息、时域先验信息和统计先验信息,为后续章节提供先验信息的理论支持。其次,针对低信噪比的水下回波信号重构精度低的问题。将入射信号先验信息作为一个“原子”构建过完备原子库,结合水下目标回波信号“块”稀疏特性,提出融入时域先验信息的压缩感知算法。对主动声呐仿真回波信号和湖上实测数据进行处理,验证算法的正确性和性能。然后,考虑工程实现性,采用欠采样理论构建欠采样测量矩阵,建立直接欠采样的时域先验压缩感知方法,并处理仿真回波信号。采用欠采样系统,获取压缩比仅为20%,10%的欠采样实测数据,并完成信号重构,实验结果表明该方法具有实际工程应用性。最后,基于贝叶斯理论,将统计先验信息融入压缩感知理论,提出基于统计先验的压缩感知方法。对仿真回波信号进行处理,由回波信号的统计先验信息建立分层概率模型,再得到模型“超参数”后验分布,结合稀疏贝叶斯学习迭代进行求解,完成信号重构。