近年來，水聲傳感器網絡在海洋資源勘探、災難預警及軍事等眾多領域的應用，引起了研究者的廣泛關注。水聲信道可用的頻率資源十分有限，通常從十幾赫茲到幾百千赫茲，且頻率這一稀缺資源沒有得到充分的利用。水聲網絡中的空閑監聽可能在時間上造成頻譜的浪費，水聲網絡中的定向發送和接收可能在空間上導致頻譜的浪費。因此，不少學者開始將目光轉向一種智能的水聲傳感器網絡——水下認知聲學網絡（ Underwater Cognitive Acoustic Networks．UCAN）。

　　針對水下認知聲學網絡（ UCAN）中的環境感知問題，提出一種針對海洋哺乳動物的被動定位（PLM）算法及相應的基于多普勒效應的測速算法SMD。PLM算法基于海洋哺乳動物發聲信號聲源級范圍，結合接收信號強度，運用檢索篩選的方法推算發聲位置。SMD在PLM定位的基礎上，利用接收生物信號的多普勒效應對其運動測速。實驗結果表明，PLM與SMD均能達到較高的精度，其中PLM算法的平均定位誤差隨海豚游速的增加而增加，其平均值約為10 m，定位成功率可達到90%。PLM和SMD結合，可較準確地估計海洋哺乳動物的運動區域。