基于参量阵的声波定向技术是非线性声学与非线性信号处理学科交叉领域中的前沿、热点技术。基于该技术开发的参量声源产生的声波具有指向性强、能量集中的突出特点，这使得它具有了广阔的应用前景。目前制约参量声源的瓶颈问题是其复杂的非线性信号处理问题，而其目前的理论依据“Berktay远场解”只考虑到了二阶非线性项，尚不能很好满足参量声源信号处理与系统控制的要求，研究新的参量声源非线性控制方法将是突破该技术瓶颈的有效出路。本文旨在应用神经网络能够无限逼近任意非线性系统的特性，使建立的参量声源非线性模型能够更好地逼近著名的非线性声波方程——KZK方程，从而解决其难以获得高阶解析解的难题，探索出一条参量声源信号处理与控制的新途径，为参量声源的信号处理与系统控制提供更精确的理论依据。围绕该目的，本文的主要研究内容如下:本文根据神经网络建模（系统辨识）相关理论和方法，建立了参量声源声学系统的数学模型。这些模型主要包括基于BP网络、RBF网络、CMAC网络的参量声源非线性系统模型。在此基础上，进一步研究了基于遗传算法优化的BP网络建模方法（GA-BP）和支持向量机（SVM）回归应用（SVR）的算法，使用MTALAB建立了参量声源非线性仿真模型，并对GA-BP算法和SVM算法建立的模型进行了泛化能力测试。研究结果表明：基于GA-BP的参量声源模型具有泛化能力强及快速全局收敛的特点，更适合于建立参量声源非线性系统模型，这为采用其进行参量声源系统辨识及逆系统辨识提供了理论依据。在建立参量声源非线性神经网络模型的基础上，本文采用神经网络逆控制方法，在MATLAB/SIMULINK仿真环境下建立了参量阵声学系统的神经网络逆控制模型。其主要内容包括：使用GA-BP算法离线辨识出了参量阵声学系统的模型和逆模型（逆系统），并通过结合PID控制环节提出了BP-PID逆控制系统。研究结果显示：PID控制参数对整个系统的影响较大，因此论文研究并提出了PID控制参数可自整定的BP-PID逆控制系统；研究并提出了逆模型可自适应调整的CMAC-PID逆控制系统；分别使用正弦信号和方波信号对搭建的三种逆控制系统做了仿真实验，实验表明：所搭建的神经网络逆控制系统性能良好。在理论分析和仿真研究的基础上实验测试了BP-PID逆控制算法的性能。设计开发了基于BF533(DSP)芯片的数字信号处理硬件平台，搭建了神经网络逆控制系统的硬件测试平台，开发了BP-PID控制算法程序，使用不同的激励源对逆控制系统进行了测试，系统测试结果表明：BP-PID逆控制方法能有效改善参量阵系统的非线性失真。