北极地区以其丰富的资源储备和特殊的地理位置受到了越来越多的关注。随着全球气候的变暖,世界各国在北极地区的活动也愈加频繁,各大国围绕北极的博弈也愈加激烈。我国是近北极国家,无论是从经济利益角度还是从国家安全角度来看,加快在北极地区的战略布局都十分重要。在大面积冰层覆盖下的北极海域,由冰层下表面散射产生的强烈混响是限制主动声呐性能的主要因素。如何降低冰区混响的干扰是冰下主动探测中需要解决的关键问题。本文围绕着冰区混响背景下的动目标探测展开了研究。首先对冰-水界面混响的特性进行了研究,重点分析了波束空间中多帧混响数据之间的相关性,并据此建立了平缓冰-水界面混响模型和陡峭冰-水界面混响模型。在平缓冰-水界面混响模型中,从距离和波束角度两个维度将混响区域划分成若干个子区域,通过描述子区域能量波动来描述波束空间中的混响过程。在陡峭冰-水界面混响模型中,按照各个波束方向划分混响区域,通过描述各个方向上混响包络的波动来描述波束空间中的混响过程。文中对两个模型的参数进行了讨论,总结了模型参数对模型生成的混响序列相关性的影响,并进行了冰区混响实验,分析了两个模型的适用性。基于上述混响特性的研究,开展了混响背景下动目标探测方法的研究,提出了分别基于鲁棒主成分分析（Robust Principal Component Analysis,RPCA）、低秩矩阵近似（LowRank Matrix Approximation,LRMA）和动态模态分解（Dynamic Mode Decomposition,DMD）的三种探测方法。这三种探测方法均基于矩阵低秩稀疏分解思想,使用了多帧数据联合处理的方式（输入多帧数据-输出多帧结果）,将多帧接收数据整合成一个数据矩阵,通过分离矩阵的相干和非相干成分的方式来抑制混响的干扰,进而提高数据的信混比,最后通过判决策略实现对目标的探测。基于RPCA的探测方法将混响中动目标探测抽象成了RPCA的数学问题,使用交替方向乘子法对RPCA问题进行求解,进而实现了对动目标的探测。该方法针对声呐数据的特点对RPCA问题的求解算法进行了改进,提升了探测方法的稳定性和计算效率。基于LRMA的探测方法融合了随机算法和凸优化原理的优势,从低秩矩阵近似的角度实现了目标探测。基于DMD的探测方法利用了多帧数据之间的动态联系,通过计算和分类多帧数据的动态模态实现了目标探测。相比于基于RPCA的探测方法,基于LRMA的探测方法和基于DMD的探测方法更能适应实时处理声呐数据的要求。这两种方法分别从迭代计算和无迭代计算的角度提升了计算效率。在相同条件下,计算时间都比基于RPCA的探测方法要小一个数量级。本文将接收机工作特征曲线和F-Measure作为探测性能的评价指标,对分别基于RPCA、LRMA和DMD的三种探测方法进行了性能评价。数值仿真和冰区探测实验的结果表明,三种探测方法都能在低信混比的条件下对动目标进行有效探测。本文的研究为在冰区混响下探测动目标提供了新的解决思路与具体实现方法,为我国在北极开展冰下探测工作奠定了技术基础。