本文结合无线传感网实验室近地移动目标识别项目，针对无线传感侦察网络中的模式识别问题展开工作。研究对象主要是野外环境中的近地移动目标识别在强噪声（风噪声）背景下信号降噪的方法。主要研究内容和成果如下:　　 本文从近地目标声信号的物理产生机理入手，结合实测信号的时频分析，定性分析了近地目标声信号以及强噪声（风噪声）的分类特征。接着重点研究了基于小波包分解的特征提取方法，在小波包能量特征提取算法的基础上，介绍了基于模糊分类器的近地移动目标声信号识别系统，建立了后续研究的算法平台。　　 针对强噪声背景下识别率较低的问题，对目前应用于声信号识别的降噪方法进行了总结和归纳;重点研究了盲源分离技术的典型方法，独立成分分析。针对移动目标的运动特性，建立了针对单个声传感器的盲源分离模型，并将非线性盲源分离方法引入了声信号识别降噪问题中。在对模式分析中的核方法的学习后，深入研究了快速独立成分分析算法以及核独立成分分析算法，并基于核熵成分分析中的雷尼熵估计提出了一种改进的核独立成分分析算法。分别从算法复杂度以及基于Amari错误的分离效果两个标准来衡量该算法，得出了该算法在强噪声背景下降噪性能优秀的结论。