水下目标分类识别是水声信号处理的关键技术之一，一直受到许多学者的关注。但它也是国内外公认的难题，由于复杂的水下背景环境对识别目标造成的影响和干扰，以及各国对技术的保密等原因，其发展相对缓慢。对水下目标分类识别技术进行研究，是维护国家海洋权益，建立安全、稳定的发展环境的需求，具有重要的意义。　　 本文研究的课题是水下目标的分类识别技术，主要对基于多视的水下目标的分类识别进行了深入的研究。多视水下目标分类识别是水下目标识别领域中一个比较新的研究分支，本文首先从理论分析的角度研究了水下目标的回波结构特性、多视数据的信息融合以及基于多视的水下目标模式识别系统。通过理论的指导，本文建立起一个完整的基于多视的水下目标分类识别系统，提出了针对多视数据特点的水下目标特征提取算法以及分类器。本文还利用历年湖、海试试验的数据对本文设计的多视水下目标分类识别方法进行了验证，实验结果证明了本文在该研究方向上的成果。　　 本文主要的以及创新性的工作有以下几点：　　 1、将多视的概念融入到水下目标分类识别的研究领域中，提出了基于多视的水下目标分类识别的研究方向。基于多视的水下目标分类识别是一种信息融合的处理技术，通过对空间多方位上的数据进行采集，利用多源信息的融合技术，作为水下目标分类识别系统中特征提取的信息来源，可以改善信息的置信度，增强系统的容错能力和自适应能力，提高水下目标分类识别系统的性能。　　 2、首次提出并完善了基于多视的水下目标分类识别的结构框架，该框架对基于水下目标回波信号的分类识别以及基于声纳图像的分类识别都进行了系统性的设计。本文重点研究的是基于目标回波的分类识别技术，并建立了一个完整的基于多视的水下目标分类识别系统。　　 3、在基于亮点模型的水下目标回波数据的仿真方法的基础上，充分考虑到声纳系统实际的工作状态，研究并设计了一个动态的数据仿真模型。利用该模型对具有球冠形头部的圆柱壳体这样典型结构的水下静态小目标进行了回波信号的仿真与计算，仿真结果与试验实测数据的比较证明该模型的有效性与实用性。　　 4、提出了两种水下目标的检测方法用于对多视数据的预筛选，基于回波目标信号的子带能量目标检测方法，以及基于声纳图像的均值-标准差目标检测方法。通过与回波能量的目标检测方法以及OTSU阈值分割方法的比较，证明这两种方法能更有效的对水下目标进行检测，从而为进一步的分类识别工作提供基础。　　 5、通过分析多视数据的特点，提出一种小波包分解与典型相关分析联合的特征提取算法。该特征提取方法能够提取多视数据中相邻角度回波信号的具有最大相关性的典型特征量，并通过特征矢量的融合得到有效的基于多视数据的特征。　　 6、将隐马尔可夫模型引入多视的水下目标分类中。隐马尔可夫模型是一个多状态的时间序列模型，可以作为声信号时变特征的有参表示，将目标状态与马尔可夫链的状态联系起来，生成为一个一阶的隐马尔可夫模型，赋予了分类器实际的物理意义，也提高了基于多视的水下目标分类识别系统的性能。