野外监控传感网系统通常部署在某一特定区域，用于监控入侵该区域的目标，以提供丰富的情报信息使监控者能据此做出正确的决策。入侵目标的检测、方向、数目、速度和类型等五种状态信息都是极为重要的情报信息。本文以野外监控传感网的具体应用为背景，根据声音信号的特点，对机动目标的这五种状态信息进行估计。本文的主要内容与创新点如下:　　1.在野外监控传感网中，声响传感器的传统应用仅局限于检测、定向和分类;并需要借助震动、红外和图像传感器来对检测和分类器的性能进行进一步提升以及实现机动目标数目统计和速度估计等功能。本文从利用声响传感器实现车辆目标精细化分类的研究入手，逐步研究了基于声音信号的定向、检测、计数和测速。通过本研究，野外监控传感网可仅使用声响传感器而有效地实现机动目标多种状态信息的估计。　　2.本文针对监控传感网，提出了一种可以将检测、定向、计数、速度估计和识别统一研究的技术框架。该框架首先将阵列信号增强和模式分类同时放在特征域下联合考虑，然后又从阵列信号增强和模式分类的角度而进入到空间域的目标方向估计研究，再以方向估计为核心在空间域将检测、计数和测速紧密联系在一起，从而形成了将这五种状态信息联合估计的技术框架。　　3.针对机动目标这五种状态信息的估计，对于其中特定状态信息估计的创新点又可以分为如下几点:　　本文从子空间定向算法出发，推导了一种子空间信噪比估计的方法，将其用于目标检测，而提出了SBTD检测算法。进一步的，为了降低计算负担，本文提出了以SBTD为基础的二级检测算法。实验表明该算法相比仅使用其第一级检测算法，不但能极大地提升算法检测性能，而且几乎不会增加额外的计算负担。　　针对车辆信号的宽带特性导致窄带定向算法分辨率较差的问题，本文从宽带定向算法出发，采用选取特定子带进行定向的思路来提升分辨率。首先将幅度均方相关(MSC)推广到子带，提出了子带幅度均方相关(SMSC);然后基于SMSC选取特定子带来进行定向。实验表明，所提出的算法具有较高的分辨率，是窄带定向算法和宽带定向算法间的较好权衡。　　在定向算法的研究基础上，本文接着研究了定向曲线和机动目标计数的联系，提出了一种简单有效的计数方法。外场实验验证了所提方法的可靠性和准确性。　　本文从空间域入手，基于DoA估计，提出了车辆经过麦克风阵列的数学模型，推导了车辆速度和定向算法所估计的角度之间的关系。并根据此关系，提出了一种采用最小二乘法来估计车辆速度的算法。该算法在定向误差极小时，可以同时给出车辆速度和其CPA距离的估计;当定向误差较大时，可以较为准确地估计出速度和CPA距离的比值。外场实验表明，在已知CPA距离的情况下，速度估计平均误差低于5％。