红外舰船目标检测与识别技术是反舰导弹红外成像制导的关键，对于**装备制导性能具有重大意义。针对在复杂环境下红外舰船目标检测的精度和速度问题，提出了改进YOLOX-S的红外舰船目标检测算法。首先引入深度可分离卷积(depthwise separable convolution)代替FPN(feature pyramid network)及YOLOHead残差结构中的传统卷积，降低模型的参数量；其次引入ECANet通道注意力机制，提高网络的注意力，降低舰船目标的虚检率和漏检率；最后使用CIoU损失函数，进一步提高网络的检测准确率。实验表明，改进后算法的检测平均精度(AP)达到98%，检测速度为56帧/s，对比改进前YOLOX-S算法，检测速度与平均精度分别提升6帧/s和3%，且模型更加轻量化。实验结果充分证明本文提出的算法能够有效完成红外舰船目标检测任务。

为了提高激光光尾流制导距离和探测信噪比，研究不同距离、不同气泡尺度、不同气泡数密度和不同气泡层厚度的气泡目标的后向散射特性具有重要的理论和应用价值。采用蒙特卡洛仿真和室内实验研究了前述舰船尾流气泡目标的激光后向散射特性。结果表明：近距离的气泡要比远距离的气泡更容易被检测到；在气泡数密度为10²~10⁸ m⁻³，气泡层厚度大于0.05 m时，大尺度和小尺度气泡始终存在回波信号，气泡层厚度小于0.05 m时无回波信号，此时，气泡层厚度特性对气泡后向散射的影响最大；在气泡数密度为10⁹ m⁻³，气泡层厚度为0.05 m以下时，大尺度气泡回波信号脉冲宽度会展宽。在这种情况下，气泡数密度和尺度特性对气泡后向散射的影响最大。搭建了水下典型气泡尺度下的激光后向散射测量系统，验证了不同舰船尾流气泡目标特性对激光后向探测系统的影响。本文研究成果可为舰船尾流激光探测工程提供支撑。

海面舰船目标检测是遥感图像处理和模式识别领域备受关注的重点研究方向，对舰船目标的自动检测在民用和军用方面都具有重大意义。梳理和分析了典型基于深度学习的目标检测算法的优缺点，并进行了对比和总结；归纳了基于深度学习的舰船目标检测的技术现状，并从多尺度检测、多角度检测、小目标检测、模型轻量化和大幅宽遥感图像舰船目标检测等方面对技术现状进行了详细的介绍。最后，介绍了舰船目标识别算法常用的评价标准和现有的舰船图像数据集，探讨了遥感图像舰船目标检测算法现在所面临的问题和未来的发展趋势。

舰船在**领域有着极其重要的地位，其尾迹对海面的温度和高度都会造成相较明显的变化，且具有持续时间长、不易消除等特点，所以模拟舰船尾迹和海面红外辐射图像可以更为直观地识别舰船目标，具有强烈的**需求。以MODTRAN软件模拟的不同背景环境下大气对8 μm～14 μm波段的透过率为数据基础，结合Cox-Munk坡度概率分布模型并考虑海浪遮挡因素建立了一种舰船尾迹红外辐射模型，模拟了不同背景环境、不同探测距离的红外尾迹图像。仿真结果表明：相同探测条件下，随着探测距离增大，舰船尾迹辐射亮度减小，但粗糙海面对红外辐射的遮挡作用显著减弱，海面舰船尾迹更易被识别；大气传输模型对红外成像结果影响较大，夏季背景辐射能量大且海面平均遮挡作用小，舰船尾迹红外成像更为清晰。

舰船尾流激光探测跟踪是水下航行器对舰船进行探测、识别、跟踪的新手段。论文基于舰船尾流分布特性、气泡目标特性，采用蒙特卡洛仿真方法，实现了多尺度、宽数密度、大厚度舰船尾流气泡群的后向散射回波信号特性仿真，得到了水下航行器载激光探测系统在搜索、跟踪阶段信号的变化趋势，以及不同目标舰船的激光后向回波信号变化强度，可有效模拟激光探测系统对舰船尾流目标特性的真实跟踪状态。对于大型船只，当激光探测系统位于尾流之下时，航行器距舰船目标越近，尾流气泡激光回波越强，脉冲宽度展宽幅度越大；当激光探测系统位于尾流之中时，航行器距舰船目标越近，尾流气泡激光回波越弱，脉冲宽度变窄幅度越大。探测系统位于尾流之下时与探测系统位于尾流之中时，信号变化相反。小型船只信号变化趋势基本与大型船只保持一致，但尾流激光探测回波强度变低。开展了湖泊环境下船舶尾流激光探测跟踪试验，当探测系统在尾流之下时，大型船只尾流激光回波信号信噪比高，小型船只尾流激光难以检测。探测系统位于尾流之中时，大小船只尾流激光探测系统都可实现有效探测。论文可为舰船尾流探测实际工程应用提供支撑。