信号检测理论广泛应用于各种领域,水下未知弱信号检测一直以来都是军事海洋学的研究热点。传统信号检测方法是对噪声进行抑制或者削弱,但是随机共振理论是将噪声能量转化为信号能量来增强弱信号,从而实现弱信号检测。基于随机共振理论,本文提出了一种新的信号检测测度指标,用于检测水下未知弱信号的频率。当接收到的微弱信号输入到随机共振系统时,首先对输出信号进行频谱分析,将系统输出信号频谱中振幅最大值对应的频率作为信号预检测频率。然后构造出频率为预检测频率和幅度为1的余弦信号,并将系统的先验信噪比定义为振幅的平方除以其他所有频率的频谱幅度平均值的对数。新的信号检测测度指标定义为接收到的未知信号与构造的余弦信号的相关系数和系统先验信噪比的乘积。因为该指标兼顾了信号的时域和频域特性,所以随机共振系统具有更好的信号频率检测性能。此外,为了提高信号频率检测的时间速率,本文提出了一种以遗传算法为核心的随机共振系统最优参数搜索方法,该方法可用于检测未知水声单频和跳频余弦信号频率。利用所设计的新指标和系统参数搜索方法,本文对水下微弱未知信号频率检测进行了现场实验和仿真。与分段均值指标和加权功率谱峰度指标相比,本文定义的检测指标在不同的输入信噪比和信号频率下具有更高的检测概率。另外,在利用遗传算法搜索随机共振系统参数最优值时,本文提出了单频和跳频信号快速检测算法来限制共振系统参数最优值的搜索范围。实验和仿真验证利用该方法可以在不降低随机共振系统信号检测概率的前提下实现单频和跳频信号快速检测。常用的水声变频信号研究对象为Chirp信号。鉴于Chirp信号的频率连续变化,傅里叶变换方法对其分析失效,所以选择分数阶傅里叶变换对Chirp信号进行分析。为了提高分数阶傅里叶变换阶数最优值的估计速率,本文提出了阶数粗估计和细估计相结合的方法实现对分数阶傅里叶变换最优阶数的快速估计。本文将强化学习遗传算法与本文提出的随机共振系统参数搜索方法相结合,实现随机共振系统参数值的快速寻优。利用海洋噪声模型得到具有特定峰度系数和功率谱特性的非高斯海洋噪声,该仿真出的海洋噪声数据与实际复杂的海洋噪声数据更为接近。实验结果证明,基于强化学习遗传算法与随机共振系统参数搜索算法相结合的方法,可以利用随机共振系统实现Chirp信号检测。