水下声源定位技术是水声学研究的热点之一，对海洋资源保护和勘探、海防建设具有非常重要的意义。匹配场处理技术是解决水下声源定位问题的代表性方法之一，其利用了信道、阵列和窄带宽带处理技术，通过将接收阵列数据和拷贝场向量字典进行匹配定位一个或多个声源位置。匹配场处理技术的定位性能依赖于物理模型的准确性以及可获得的样本数。对于物理模型的准确性，环境失配问题是造成其不准确的主要原因之一，该问题会导致匹配场处理技术定位性能严重下降。对于可获得的样本数，宽带处理技术可以增加可获得的样本数量从而提高匹配场处理技术的定位性能。宽带匹配场处理算法可以分为相干处理器和非相干处理器两类，但由于相干处理算法中的声场相位无法准确预测，因此大部分宽带匹配场处理算法都是非相干的，相比于相干处理器定位性能提升不足。
　　本文从环境失配和宽带信号处理两个方面展开研究，提出两种基于稀疏贝叶斯学习的声源定位算法，分别解决了环境失配问题和宽带处理技术中的声场相位预测问题。主要研究内容和研究成果如下：
　　（1）针对环境失配问题，通过研究简正波模型，提出了基于可预测简正波的稀疏贝叶斯学习算法。由于在浅海波导中不同简正波受到环境失配影响不同，将简正波分为可预测简正波和不可预测简正波。其中可预测简正波在环境失配条件下保留更多相关性，即包含更多的声源位置信息。不可预测简正波包含的相关性较少，如高阶简正波由于经过多次边界反射、介质延迟，更容易受到边界干扰。在失配环境下，简正波的相关性可以通过计算其二阶统计量进行评估。首先，将简正波水平波数分解，得到振幅误差、距离误差和导致模糊度或似然函数失真的误差。前两者不会造成定位性能严重衰减，后者则对应于不可预测简正波导致的误差。计算导致模糊度或似然函数失真的误差的协方差，令其迹最小化所对应的简正波即为可预测简正波。根据可预测简正波计算重构的拷贝场向量，再利用稀疏贝叶斯学习估计器进行声源定位。基于可预测简正波的稀疏贝叶斯学习算法的性能通过模拟试验和海试实验进行分析和验证，实验结果表明该算法在一定程度上能够提升原算法定位的准确率。
　　（2）针对宽带匹配场处理技术进行研究，提出了基于交叉频率非相干稀疏贝叶斯学习算法。宽带信号处理器可以分为非相干处理器和相干处理器，后者相比于前者充分利用了交叉频率项包含的声源信息以及对噪声的抑制作用，从而提升定位的准确率。相干匹配场处理器需要声源相位振幅信息，而避免该问题的匹配相位相干处理器则需要在微扰因子的相位上进行遍历，进而导致其计算代价过大。针对这个问题，本文利用相位校正方法，在原有算法的基础上，可以充分利用交叉频率项，同时避免了寻求最优相位问题，从而提高定位的准确率。该算法的性能通过模拟试验和海试实验进行分析和验证，实验结果表明该算法相较于原始稀疏贝叶斯学习方法能够明显地提高定位准确率，并且极大地抑制了旁瓣。