随着吸声材料的应用与舰船噪声辐射级的降低,传统被动声呐在浅海洋环境中探测性能受到限制,主动声呐又会暴露其自身存在,且混响干扰也给目标检测带来了挑战。随着多输入多输出(Multiple Input Multiple Output,MIMO)技术的日渐发展与应用,分布式MIMO利用空间分集增益可提高检测性能,表现出了巨大潜在应用前景。本文侧重利用合作声源,进行分布式被动MIMO声呐处理研究,并针对检测不确定问题,引入伯努利滤波方法,提高系统探测能力。本文首先分析了MIMO信道容量,并给出了获取空间分集增益的约束条件;针对多路径导致的传统匹配滤波处理输出的旁瓣级提高问题,使用自适应的稀疏学习迭代最小化方法提高时延多普勒参数估计精度;进一步的,在合作声源下,基于零点约束方法抑制直达波,并于MIMO信号模型中引入时延多普勒因子,在广义似然比框架下,获取目标位置最大似然估计。数值仿真结果验证了被动分布式MIMO处理方法有效性。其次,为了提高检测性能,将目标回波视为二次声源,进行了分布式检测融合方法研究。基于局部节点检测特性,设计恒虚警检测器,并在Bayes框架下实现了次最佳检测器。湖上实验结果表明,在一定虚警概率下,分布式融合系统检测能力比单节点检测性能提高3d B。最后,考虑分布式MIMO探测多个发射导致的虚假目标,用随机有限集建模目标状态与测量,推导了伯努利滤波方法。针对多个机动目标,将非线性跟踪方法与势均衡多目标多伯努利结合,避免了常规多目标跟踪算法的数据关联导致的计算复杂问题,有效降低了MIMO探测中的虚警。通过数值模拟,验证了单目标和多目标伯努利滤波跟踪算法的有效性。海上实验数据处理结果表明,势均衡多伯努利滤波算法可以有效提高MIMO探测性能。