高压水射流技术是近年来发展迅速的一项新技术,已广泛应用于各行各业。当使用高压水射流对地雷进行切割操作时,具有许多优点。如果在切割地雷之前,同时可以利用高压水射流探测地雷,实现探雷与排雷一体化作业,这将具有很好的应用价值。目前国内外对该项技术的研究分析基本空白,本文提出的将高压水射流技术应用到探测地雷上的研究是一项原创性研究,要利用高压水射流来实现探测地雷的功能,首先必须对靶物材质的识别与分类进行研究,而其中关键技术之一是对高压水射流探测过程中产生的靶物反射声信号的识别与分类研究。针对利用靶物反射声进行探测地雷中涉及的声音信号预处理、特征值提取以及识别分类器设计等方面,本文开展了以下几方面研究工作：首先分析了靶物反射声存在的背景噪声,在靶物反射声信号非平稳性等特点的基础上,提出了一种自适应的EMD阈值降噪的靶物反射声信号预处理方法；分析了目前关于声音信号的特征值提取方法和识别分类器设计方法的国内外研究现状,阐述了小波包短时能量特征参数和Mel频率倒谱特征参数的靶物反射声信号特征值提取的基本原理,分析了SVM与LS-SVM应用于本文中的靶物材质识别分类的特点,并详细说明了应用LS-SVM所建立的多类分类器的算法原理,以及采用网格搜索和交叉验证相结合的参数优化方法。设计了试验装置和试验方案,进行高压水射流探测靶物的实际实验,进行靶物反射声信号的实时采集,利用上述方法和基于MATLAB编写的靶物反射声信号降噪预处理、特征值提取以及多类分类器的测试程序对实测靶物反射声信号分别进行处理。同时进行靶物材质识别影响因素分析和对比试验,利用试验结果分析靶物内部结构和外形大小因素对靶物材质识别率的影响。试验结果表明：通过对比分析可以看出EMD阈值去噪后的SNR和相关系数较小波阈值去噪方法高,同时也很好地保留了原始信号的细节信息,故本文采用自适应的EMD阈值去噪方法对靶物反射声信号进行降噪预处理。本文采用的小波包短时能量和Mel频率倒谱系数两种特征值提取方法各具不同的特点。在小波包短时能量特征值结合LS-SVM建立的靶物材质识别方法,LS-SVM选择径向核函数时的平均识别率为97.5%,总耗时为3.023815S。Mel频率倒谱系数特征值结合LS-SVM建立的靶物材质识别方法,选择多项式核函数时的平均识别率为95.42%,总的耗时为1.902854S。且LS-SVM模型的测试耗时较SVM耗时低。建立的利用交叉验证和网格搜索相结合的LS-SVM参数寻优的方法最低能够提高分类器的识别率6.25%。在综合考虑内部结构和外形大小因素对靶物材质识别效果影响的情况下,由影响因素分析试验结果可知,靶物内部结构和外形大小因素对靶物材质识别的最大影响分别为3.125%和8.4375%,影响较小。考虑靶物材质识别的准确率与系统实时性因素,最终选择小波包短时能量特征和LS-SVM相结合的靶物材质识别方法。综合上述研究成果可得：本文设计的算法能够有效实现对靶物材质的识别与分类。