声探测器是野外监控传感网的常规配置,它通过处理目标声信号作出目标类别、方位角等估计,联合多个声探测器可实现目标定位、跟踪等高级功能。声探测器是一种重要的探测器类型,其性能直接关系着整个传感网的性能参数。野外监控传感网的研究重点已从试验系统转向实用系统,但在实际应用中,环境适应性问题成为制约声探测器性能的首要因素。　　 本文重点研究工作于大气边界层风场中声探测器的环境适应性问题。首先分析了三类常见目标的声信号发生机制,以及风场对声信号的干扰机制,然后提出预处理和后处理方案以分别消除间接和直接干扰造成的影响。本文的主要内容与创新点如下:　　 在信号预处理方面,通过分析风噪和目标信号的频谱特征,以及现有降噪方法的适用范围和限制,提出了一种基于经验模态分解的降风噪方法。并提出了一种根据本征模态函数的模态单元自身高斯分布特性建立降噪阈值的方法,高斯分布特性以峰度统计量衡量。经过该降噪方法处理的声信号信噪比提升明显,且更加易于识别。采用模糊分类器对降噪前后的信号进行处理,识别准确率提升约6％。　　 上述预处理方法虽然降噪效果显著,但是经验模态分解耗用较多计算、存储资源,有违野外监控传感网的应用模式。因此,本文提出了一种经验模态分解的快速算法。该快速算法采用B样条函数替代三次样条函数,并采用局域终止准则,在保证分解精度的前提下显著降低了分解的时间复杂度和空间复杂度。　　 声音在传播过程中受风场直接干扰,导致声线弯曲。这时,声阵列探测器给出的方位角估计结果与声源的实际方位角之间存在一个由声线弯曲引起的偏角。本文提出一种后处理方案以补偿该偏角,即将不同风场条件下的偏角值作为先验知识预存在存储空间内,当声阵列探测器工作时,根据气象传感器提供的实时风场参数判断偏角值,对初步估计结果进行补偿,从而得到更加精准的目标方位。实现后处理的关键是建立偏角值与风场参数的关系,本文采用理论推演和有限元数值仿真两种方法对该内在关系进行研究,两种方法得出的结果是一致的。　　 上述方案在多次外场试验中得到了验证,部分成果已用于型号装备研制任务中。