近年来激光雷达发展迅速,对目标的探测精度和距离范围的要求也不断提高,在这种背景下,量子激光雷达（Quantum Lidar）应运而生。但量子激光雷达由于具备极高的灵敏度,在探测目标时会混杂大量的噪声光子,会严重影响回波脉冲的接收和概率分布特性,因此如何从接收信号中将目标检测出来成为了当前研究的重点。鉴于量子激光雷达与经典激光雷达的工作原理差异,国内外雷达领域科研人员更多的专注于如何将经典激光雷达的目标检测理论迁移至量子雷达领域。本文沿着这种思路,针对单光子雷达点目标的回波特点,根据常见的光噪声分布概率,深入研究了量子激光雷达的检测方法,借用经典雷达的检测理论,对当前的单光子雷达目标检测技术进行了拓展。本论文研究的主要工作和创新点如下:（1）基于量子激光雷达的信号概率分布模型提出了一种回波信号的降噪处理方法,在最大程度不破坏回波脉冲波形的情况下,降低了回波噪声强度。最后根据降噪特点重新建立了噪声信号的概率分布。通过仿真和实验均能表明,该方法不仅能将点目标的回波信号的信噪比改善4～6倍,同时还能较完整的保留目标信息。（2）当前单光子激光雷达的固定阈值法检测存在一些缺点和不足,比如在累计次数增多时,会出现虚警概率增高以及强噪声下误检增加等情况。针对此问题,本文利用Bayesian检测方法,通过激光雷达方程改进了先验信息的获取方式,使其具有更优异的检测性能,通过仿真与实验能够表明,该检测方法能够改善固定阈值的虚警概率过高的问题,尤其在低信噪比情况仍然具备较高的检测概率。相同噪声条件下其虚警概率能够降低约5倍左右。（3）目前单光子激光雷达的恒虚警检测（Constant False Alarm Rate Detection,CFAR）仍然存在检测概率过低的问题。针对此问题,本文在降噪后数据的基础上,对当前CFAR检测模型做出了改进。利用Neyman-Pearson检测和高斯概率检测模型,并在检测中引入了最小二乘估计（Least squares estimation,LSE）,提升了目标的检测概率。通过仿真与实验均可以验证,相比当前常用的CFAR检测方法,此检测方法不仅能在一定程度上改善检测概率,同时也具有良好的抗噪声性能。