水下目标的声学特征提取在水声信号处理领域的一个关键问题,基于其发展而来的现代水下目标识别技术在工程应用上具有极其重要的军事和民用价值。受启发于人类听觉系统对于声音信号的优越感知能力,考虑到目前声呐员在实战中仍然发挥不可替代的作用,本文旨在通过对人类听觉机制的分析,构建并进一步优化水下声学目标的特征提取方法,从而提升水下目标在复杂噪声条件下识别的稳定性。通过对水下信号声学特性的研究,本文介绍了水下目标识别系统的基本原理,广泛研究了听觉特征在水下声学领域的应用。首先基于Mel频率和基于Gammatone滤波两种倒谱系数在水下声学目标特征提取领域的应用进行了研究。虽然后者能够一定程度上提高识别率,但伴随着较大的运算成本。针对这一问题,结合耳蜗对频响感知特性的研究,本文提出了基于归一化Gammatone频域滤波的改进型倒谱系数特征。分类实验验证了归一化Gammatone滤波器对人耳听觉建模的有效性,同时指出非线性压缩在听觉特征提取中对分类结果具有重要影响。基于上述发现,结合语音识别领域抑制噪声的研究,本文进一步提出了适用于水下目标的基于能量偏差消减的归一化倒谱系数特征提取方法。听觉特征并未包含信号的相位信息,考虑到单一特征通常对噪声敏感,本文对子带滤波输出上估计瞬时频率的方法进行了研究,将幅值权重平滑估计法应用到水声目标,同时提出了优化的子带瞬时频率估计方法。进而在所得到的两种基于滤波器子带瞬时频率特征的基础上,结合抗噪性能较好的改进型GFCC和PNCC特征,最终构建了四种用于水下目标自动识别的融合型的特征提取方法。为实现对不同特征提取方法的有效评估,本文研究了BP神经网络和支持向量机两种常用分类器,随后采用评估能力较好的支持向量机对文中所研究的特征提取方法进行目标分类实验。实验结果验证了所研究的特征提取方法应用于水下目标的有效性,并进一步显示出本文所提出的改进型和融合型特征提取方法均能够在低信噪比条件下依然保持优良的识别率,可以有效提升水下目标识别系统在复杂水下环境中的稳定性。