针对核辐射、强粉尘、浓雾、反光等特殊环境下传统光学设备无法工作或是效果不理想的情况,提出了一种利用超声换能器阵列实现物体形状识别以及定位的解决方案。本文在总结和归纳超声阵列在识别以及定位方面的研究现状后,结合超声波在空气中的传播特性,选择了压电片直径为11mm、中心频率为40k Hz的换能器作为阵元,设计了一种发射阵列与接收阵列上下交错排布的二维超声检测平台。该平台包括超声阵列单元、信号处理单元以及嵌入式异构单元等三部分。超声阵列由28个换能器构成,其中发射阵列由8个阵元组成,接收阵列由2×10个阵元组成。信号处理单元主要对微弱的回波信号进行放大、滤波、采样、存储等处理;嵌入式异构单元主要对采集的回波信号进行特征提取,实现定位算法与形状识别算法。在物体定位方面,采用了到达时间差(TDOA)超声定位模型。为消除多径反射引起的渡越时间(TOF)测量误差,采用快速互相关算法提高检测精度。针对算法中快速傅里叶变换(FFT)耗时长的问题,采用级间串行、级内并行的思想对FFT算法进行了改进,引入了计算统一设备架构(CUDA)并行技术在GPU上加速算法的实现。在形状识别方面,基于不同形状的物体反射的超声波具有的规律性,基于时域的特征方法和基于频域的特征方法分别建立特征矢量库,结合BP神经网络实现物体形状识别。为加速实现BP算法,通过公式推导出算法中包含的矩阵运算,采用神经元结构的并行性和矩阵运算的并行性相结合的方案对算法进行了改进,同样引入了CUDA并行技术加速算法的实现。最后,将改进前基于CPU的串行算法与改进后基于GPU的并行算法分别在平台上进行了实验验证,对比了两种算法的性能,分析了定位误差和识别误差产生的原因。