近年来自主式水下潜航器(AUV)借助电池以及智能化技术发展而快速取得突破,各国都大力发展这一新兴的水下载具,其装备数量迅速上升并严重威胁我国近海安全,因此对AUV的早期水下探测与预警愈发重要。AUV在运行时推进电机和螺旋桨会向周围水体中辐射出自身特有的声音信号,被动水声探测依靠水听器将水中声信号转换为电信号进行分类识别,是进行水下目标识别的重要手段。因此本课题主要针对AUV而研发低成本的被动水声检测系统,主要完成浅水水域的AUV自动预警以及目标分类功能。本文首先对水声探测系统的各个重要工作流程进行概述,在此基础上确定了系统的总体构成。其次,分析了声音在水中的传播模型,并根据水声传播的特点对常见的几种水听器进行对比并通过实验测量了水听器的灵敏度曲线最终完成水听器的选型。第二,对水下背景噪声和电机螺旋桨噪声进行了实际采集并进行可视化处理,分析不同噪声各自在频谱上的特点,并以此为依据使用自适应谱线增强(ALE)算法对背景噪声信号进行滤除。通过对该算法进行改进提高了收敛速度,减小了稳态误差,经处理后信号的信噪比有了明显的提高。第三,在特征提取方面,改进了小波包变换算法,提取出信号的能量特征作为分类依据,同时优化了短时傅里叶变换的时频特征提取算法,经过效果对比将前者作为主要的特征提取算法。第四,完成了基于XMC4500处理器的信号采集系统,移植了FreeRtos系统,完成了SD卡、ADC等底层驱动以及多线程的采集卡底层软件,使其能以多种采样率采集不同时长的水声信号。第五,介绍了k近邻与SVM等不同的分类算法,根据二者的不同特点设计了适用于水下目标检测的一种混和分类器。将实际采集的数据通过实验表明,算法有较好的识别效果。最后对本系统的不足进行总结并对后续探索进行了展望。