该文对声纳目标信号的预处理、特征提取以及模糊神经网络分类器性能的改进,都进行了较深入的研究.1.推导了一种具有输入多输出的既能学习数值数据,又能学习模糊规则则的模糊神经网络算法.并在梯度算法基础上,采用了增加动量项和变学习因子的方法,提高学习速度.2.提出了一种改进的π型隶度函数的特点,因此具有更强的应用性,该文将该隶属度函数作为修正Sugno模糊神经网络的前件表达式.3.提出了增加Sugno模糊神经网络的一个误差项方法,使该神经网络在学习专家给出的模糊规则时可以利用样本数据进行细调,又不致偏离专家给出的模糊规则则过远,使规则变得不可理解或遗忘.为提高学习速度,仍采用增加动量项和变学习因子的方法.4.深入研究了对被动声呐目标信号的子波与子波包去噪方法及特征提取,通过子波包去噪的预处理,有利于目标分类.5.对动声呐目标信号研究了过零分布特征、幅值分布特征、等带宽能量特征、子波分解后在逼近信号和细节信号中撮的能量特征,比较了其性能与分类效果.6.对特征融合作了一定研究,并通过模糊c-均值聚类法协助人提出一些模糊规则,利用模糊神经网络同时学习数据和模糊规则.