由于计算机技术飞速发展以及声信号辨识与定位技术的不断完善,信息探测技术已经成为当今战场中不能缺失的一部分,声信号探测由于自己全天候、易隐蔽和探测性能好的优点,成为了各个国家研究的焦点。但是在真实探测中存在着强噪声的影响,导致目标声信号变得“微弱”,难以辨识出当今战场中各种目标声信号。因此,展开对微弱声信号降噪处理、特征提取以及辨识研究具有重要的现实意义,本文从预处理、特征提取以及微弱声信号辨识三大部分进行分析和设计,构建微弱声信号辨识系统。(1)针对传统活动语音检测在强噪声环境下的局限性,提出了一种基于能量概率最大值的自适应活动语音检测算法,能够有效地分离带噪声信号段与背景噪声段。另一方面将自适应活动语音检测算法与最小均方误差对数谱幅度估计降噪算法相结合,同时将每帧的噪声幅度谱进行自适应平滑,相较于传统最小均方误差对数谱幅度估计算法而言,降噪后的目标声信号的信噪比能够提高10-18dB。(2)针对脚步声模型的特性和传统频率提取算法不能有效提取微弱声信号频率的问题,提出了一种互相关与傅里叶变换相结合的声信号频率特征提取算法,经实验验证该算法能够有效提取出微弱声信号的主要频率成分,从4类声信号中分离出脚步声。并采用了基于人耳听觉特性的梅尔频率倒谱系数特征和相对频谱变换-感知线性预测特征作为目标声信号分类的特征参数。(3)建立audio-4数据库,包括脚步声、枪声、直升机声以及人声。选择支持向量机作为微弱声信号辨识的分类器,进行了微弱声信号仿真实验和微弱声信号真实实验设计,实验验证了利用本文降噪手段与采用频率特征相结合的方式能够使微弱声信号辨识性能有效提升,相较于直接对微弱声信号进行辨识而言,辨识率能提高40%左右。