回波分析法是远距离水下目标探测的一种有效的手段。在主动声呐探测中,回波信号主要由目标信号和混响混合而成。这两种信号分别具有不同的时频分布特性,可以通过时频分析方法提取信号时频特征进行区分。而原始时频特征的维度太高,包含大量的冗余信息,并且每一种时频分析方法都只是描述了信号在某一个方面所具有的特性,所以为了提高信号分类的准确率,对时频特征进行特征压缩与融合是十分必要的。本文研究了目标信号与混响在特征空间中的类间可分性准则。根据亮点模型,目标信号具有规则的时频分布特性,而混响没有。因此进行时频特征提取后,目标信号与混响在特征空间中具有不同的分布区域。很明显,这两种信号的分布区域重叠度越小,则它们越容易进行区分,因此本文采用了特征样本的类间散布距离与类内散布距离的比值作为时频特征的类间可分性的衡量标准。本文以最大化时频特征的类间可分性为原则,研究了时频特征的非线性特征压缩方法。在特征压缩方法中,线性投影分析是一种常用的手段,通过线性组合的方式将原时频特征转化为由若干个新变量组成的低维特征。针对线性投影分析不能利用特征样本中的非线性信息问题,本文研究了线性投影分析的一种非线性扩展——核Foley-Sammon鉴别分析,这种方法可以利用特征样本中包含的非线性信息来进行特征压缩。本文研究了基于改进的串联融合的时频特征融合方法。串联特征融合是最具有普遍意义的特征融合方法,但是这种方法因为不同特征之间的相关性不强,无法保证描述对象的一致性,从而在实际应用中并不广泛。本文采用典型相关分析对特征样本进行融合前的预处理。典型相关分析也是利用线性组合的方法,从不同特征中提取具有较强相关性的成分。将这些成分组成融合特征,可以获得比单一特征更多的分类信息。本文使用海上实验数据验证了所研究的理论方法。实验数据处理结果表明,经过特征压缩与融合处理的特征样本,其类间可分性要强于原始时频特征。本文采用支持向量机作为目标信号与混响的分类工具,与原始时频特征相比,融合特征的分类准确率得到明显提高。