海底沉积物的探测对于军用和民用都有重大意义。海洋资源亟待人类进行开发和探测,而探测手段是获取海洋信息的保证。本文首先介绍了常用的海底沉积物探测手段,并围绕着地声散射模型和实验研究的发展历程和现状展开论述。本论文的工作主要基于地声散射模型,围绕海底沉积物探测领域中粗糙度参数量测和沉积物分类两大要点展开。地声散射模型是阐释声波和沉积物特性内在联系机制的重要模型。首先,本文对海底经典地声散射模型——Jackson散射模型展开了研究和仿真实现。依据Jackson散射模型,可以输入模型参数得到后向散射情况下接收声强的角度响应。然而影响地声关系的参数诸多,本文基于Sobol方法,进行了模型参数敏感度分析。粗糙度参数对全局有重要影响,故本文进行了针对该参数的量测工作。沉积物往往具有松散颗粒的结构特点,打捞后其原始结构易遭到破坏。现有原位测量手段在实现的便捷性、运算速度方面存在不足,因此沉积物粗糙度参数迫切的需要一种快速的原位测量手段。本文针对海底沉积物粗糙度,提出了一种基于水下从明暗恢复形状算法的海底微地形粗糙度测量方法。这种算法成像时可以通过单张照片中的明暗信息得到海底微地形数据。本文把从明暗恢复形状算法拓展到水下,并通过该方法获取三维海底微地形,提取粗糙度参数。经过实验验证,证明了算法的有效性。地声散射模型也是沉积物分类的重要基础。本文基于Jackson散射模型,利用仿真底质参数,对单波束声纳探测海底沉积物得到的回波包络模型进行了详尽的推导和仿真,并对回波包络进行小波变换降噪、主成分提取处理,进而利用KNN分类器进行分类识别,分类结果和仿真真值相对应,证明了依据海底回波包络进行沉积物分类的有效性。