近年来,随着海洋开发和国防建设的现代化,水下声通信技术受到越来越多的关注。水声通信技术的应用涉及军事、商业、环境保护等多方面,如军事活动中实现点对点通信,探索海洋中的自然资源,收集用于生态系统监测的传感器数据等。目前,对于水声通信技术的研究主要集中于提高通信质量、作用距离、通信速率等方面,而对通信隐蔽性的研究还较少。实际上,隐蔽水声通信是水下大规模通信、水下作战等的关键性要求。在军事作战中,潜水员和指挥官之间的通信是需要保证高度安全的,否则会暴露活动地点的位置,这将对水下作战产生威胁。因此,研究水声通信技术的隐蔽性是很有必要的。传统的水声隐蔽安全通信多采用降低通信信噪比的方法,将信号隐藏在海洋环境噪声之中,从而实现通信的隐蔽性。然而这种方法会限制传递信息的距离,无法实现远程通信。为了进一步解决水下隐蔽安全声通信的问题,一种仿生伪装的思想被应用于水声通信。这种方法以真实的或模拟的海洋生物的叫声为通信信号,使得通信信号被探测到后可被识别为海洋环境噪声而被排除,从而达到隐蔽水声通信的效果。本文基于仿生伪装的思想,研究基于座头鲸歌声的仿生隐蔽水声通信,主要的工作如下:1、研究了座头鲸的生物学特性,了解其社交行为。分析了座头鲸的发声机理和生物声呐模型,分析了座头鲸歌声的结构,对收集到的十种座头鲸歌声单元进行了时域和频域特性分析。2、研究座头鲸歌声的端点检测方法。首先研究了一种传统的进行语音信号端点检测的方法,通过提取能量特征和设置双能量门限对座头鲸歌声进行检测,另外,通过提取Fbank特征,利用机器学习中的k-means聚类和深度神经网络(DNN)进行了检测,比较了两种方法在不同信噪比下的检测性能。该部分研究实现了对叫声信号的检测,并且为最后一章的仿座头鲸歌声通信提供信号检测的方法。3、基于座头鲸歌声时频特性的多样性,研究歌声单元的分类方法,基于收集的座头鲸歌声信号,挑选八种数量较多、质量较好的样本进行分类。分别提取LPCC和MFCC两种特征,通过在特征图上进行数据扩增的方法对样本进行扩充。比较了卷积神经网络在两种不同的特征下对歌声进行分类的效果,分析了扩增方法带来的网络性能的改善。该部分研究实现了对叫声信号的分类识别,并且为最后一章的仿生通信提供类别信息解调的方法。4、研究了仿座头鲸歌声的隐蔽水声通信方法,采用M元与DPPM两种方法对座头鲸歌声进行调制,将信息调制在座头鲸歌声的韵律和时间间隔上,实现隐蔽信息传递。提出了利用机器学习的方法进行信息的解调,并通过仿真和湖试实验对该通信算法进行了验证。综上,论文针对座头鲸歌声信号的多样性特点,研究了座头鲸歌声的产生、时频特性、基于机器学习的端点检测和分类以及仿座头鲸歌声隐蔽通信,并通过仿真或外场实验验证了相关算法的可行性与有效性。