水下无人系统因其优秀的灵活性以及安全性,可以在作战过程中执行相对危险的任务,减少作战伤亡,并且便于集群化作战,能够极大地扩展海军的作战能力,具有重要的军事价值。作为水下无人系统的“耳目”,声呐系统在水下无人系统有着重要的地位。舰船辐射噪声中的线谱成分由于具有能量集中稳定、传播距离远的优点,可以显著提升被动声呐对低噪声目标的探测性能。针对水下无人系统无人参与、工作环境多变、运动状态多变的特性,本文对线谱自主检测算法以及线谱自主跟踪算法进行了探究,得出了分别在不同条件影响下不同线谱自主检测算法和不同线谱自主跟踪算法的优缺点。本文研究了三种功率谱估计算法,在不同情况下对三种功率谱估计方法进行比较:基于平均周期图法的功率谱估计方法是比较稳健的功率谱估计方法,在各种情况下都具有较为稳定的检测效果;基于相位补偿的功率谱估计方法在线谱稳定的情况下具有优秀的检测性能,但是在线谱频率、相位发生变化时检测性能会下降;基于稀疏重构的功率谱估计方法在白噪声背景下有很好的检测性能,但是在色噪声背景下因为稀疏性被破坏,检测性能降低,且计算量大。针对水下无人平台工作环境多变的特点,本文还研究了背景自主估计算法,可以根据功率谱的估计结果自适应地估计连续谱背景,针对水下无人平台无人参与的特点,研究了线谱自主提取算法。根据线谱在时间上稳定存在的特点,本文研究了三种线谱自主跟踪的算法,在不同情况下对三种算法进行比较,基于边缘检测的线谱跟踪算法具有算法简单,运算量少的优点,但是在低信噪比条件下对噪声的抑制能力弱,对间断线谱的连接能力变弱;基于Kohonen神经网络的线谱跟踪算法可以在各种情况下完成线谱跟踪,但是会将孤立的噪声点连接起来形成虚假谱线,在多普勒条件下跟踪出来的线谱宽度很宽,且运算量巨大;基于隐马尔可夫模型的线谱跟踪算法在本章讨论的情况中都具有十分优越的跟踪效果,但是其计算量较大、运算速度较慢、占用内存较大且需要实现预知最大线谱数目。本文对无人平台上被动声呐采集的试验数据使用各种方法分别进行了处理,对比分析了其处理结果,各个算法都可以有效地观察到发射的信号,验证了各个算法的有效性。为了验证算法的实用性,使用TMS320C6678设计并实现了线谱实时自主提取软件,并对软件进行了测试,通过对水池采集的实测数据处理验证了软件的正确性与实时性。