该论文围绕上自动目标识别这一主题,着重地进行了分形混沌信号处理城舰船噪声特征提取中的应用研究.从舰船噪声的时间域、频率域以及相空间与过零点集等多个方面,对这一问题进行了全面深入的研究和探索;同时研究了水下目标识别的神经网络分类器及其实验系统,为水下目标识别技术的工程化应用提供直接帮助.该文的主要工作包括:在系统地阐述了分形信号处理的基本概念和理论的基础上,研究了分形信号的参数计算问题.首次将代理数据方法引入舰船噪声混沌特性的研究中,验证了利用代理数据能够更有效地撮舰船噪声混沌特性的研究中,验证了利用代理数据驹晚有效地撮舰船噪声的非线性特征.定义了舰船噪声功率谱的奇异测试,并验证其幂委关系近似成立,由此提出舰船噪声的功率谱多重分形特征提取方法.提出了一种时间序列广义维数的改进算法,并利用该算法计算量小的优点.结合小波多分辨分析提取了舰船噪声时间域多重分形特征.首次了舰船噪声的过零点多重分形特性.首次将具有良好统计分类性能的概率神经网络应用于舰船噪声的分类,并针对训练样本规模大时,概率神经网络的网络运行速度慢这一问题,提出基于自组织特征映射的改进算法.设计了具有较强的工程实用性的水下目标识别实验系统.通过对两批舰船噪声的分类实验,验证了该文所提出的舰船噪声的分形混沌特征的有效性.