随着信息技术的飞速发展,各类电磁通讯设备数量越来越多,通信信号体制和调制样式也越来越复杂多样,各种电磁信号交织在一起,使得有限的频谱资源日益拥挤和重叠,电磁环境越来越复杂。这些复杂的电磁环境表现在以下几方面:(1)空间中的电磁信号日益增加,背景噪声显著提高;(2)各种干扰日益严重,背景噪声常呈现非高斯特性;(3)受各种突发信号和干扰以及背景影响,噪声高动态变化。这些复杂的电磁环境对现有信号检测技术提出了更高的要求和更严峻的挑战:(1)信号常常淹没在复杂噪声中,呈现极低谱密度特性;(2)传统检测方法在非高斯背景噪声中无所适从;(3)现有检测方法易受高动态背景环境影响,性能损失严重;(4)现有信号检测技术难以满足快速实时性检测要求。本文针对复杂电磁环境下信号检测技术面临的挑战展开研究,论文主要研究成果如下:在微弱信号检测方面,引入了非线性物理学中的随机共振理论,用噪声来增强微弱信号,提升检测性能。设计了最优的双稳态随机共振系统,并通过线性变换的方法将双稳态随机共振应用到实际大参数信号中,提出了基于双稳态随机共振的能量检测算法,将噪声能量转化为信号能量,显著提升了检测性能。基于广义随机共振理论,提出了利用了噪声来提升能量检测的算法。通过合理增加噪声,增加不同假设条件下的检测统计量的概率密度函数的区别,引入噪声偏移系数为标准,寻找最优随机共振噪声,提升传统算法性能。针对现有检测算法在非高斯背景下性能损失严重,甚至不能正常工作的问题展开研究,设计了适合非高斯噪声下的稳健信号检测方法。针对典型的非高斯噪声——拉普拉斯噪声,从噪声的自身特点出发,提出了基于绝对值累加的检测方法。从理论上分析了该算法的检测性能和受噪声不确定度的影响,并进一步推导了融入该方法的协作检测方法性能。基于Matlab的仿真验证了理论推导的正确性,表明了该算法较现有拉普拉斯噪声下的检测算法性能优越3dB以上,且受噪声不确定度影响小,同时能有效融入现有协作网络。为了在拉普拉斯噪声下进一步适应高动态背景环境,克服噪声不确定度的问题,提出了基于Goodness of Fit Test的检测方法,该方法检测性能优于传统方法,且具有完全不受噪声不确定度影响的优点。针对广义高斯噪声下的信号检测问题,引入了统计学中的KS检测方法,在过采样前提条件下,充分利用实际通信系统中保护带宽内潜在的噪声统计特性信息,设计了频域的FGoF方法。该方法能有效对抗噪声不确定度和噪声模型误差带来的影响,具有很好的稳健性和普遍适用性。针对复杂宽带多目标信号检测,对传统的基于周期图法的频域能量检测法进行了性能分析,并将FGoF方法进一步扩展到宽带多目标检测中去,充分利用各子带内保护间隔内的有效信息,实现真正意义上的稳健盲检测。针对现有算法在低信噪比条件下,检测时间长的问题展开研究。设计了基于双检测长度的检测算法,在检测性能优于传统能量检测同时,所需要的平均检测长度更短,同时具有低计算复杂度的优点。将广义随机共振系统引入到序贯检测中去,设计了基于广义随机共振的分段能量检测算法,较传统方法进一步减少检测数据长度,缩短检测时间。设计了基于双重序贯检测的协作检测算法,较传统序贯检测方法,在几乎不降低检测性能的条件下,显著减少了协作检测中的开销。