海底底质是海洋学研究中的一个重要方向。多波束探测是海底底质分类研究中主要的数据收集方法,为国家海底底质分类研究提供了海量的海底数据支持,而海底底质分类对海底测绘与潜艇隐蔽等领域有着重要的意义和实际研究价值。如今,海底环境的反演受到广泛的关注,也是目前海洋底质科学研究领域的热点。因此,本文选择底质类型较为丰富的福建省湄洲湾探测的回波数据,对海底底质分类方法进行深入研究。首先,介绍了本课题研究基于回波数据的海底底质分类方法的背景与意义,分析了国内外对海底底质相关研究的现状。结合多波束底质探测的相关理论,分析了多波束数据记录方式及回波数据的特征,并对本课题使用的回波数据和来源进行了基本介绍。其次,对于回波数据特征量提取,主要从时间序列、频域序列和时频域三个角度提取回波数据特征量,解决单一类型特征量进行底质分类问题。在时间序列特征量提取角度,主要研究了基于时间序列波形提取的9个特征量;在频率序列特征量提取角度,主要研究了基于FFT变换下的两种子带能量特征提取的方法;在时频域特征量提取角度,主要研究了基于EMD分解和Hilbert变换的特征提取方法。从这三个角度得到了14回波数据的特征量进行了实验分析评价,为选择合适的回波特征做准备,为回波数据特征融合研究提供有效的特征量。再次,从经典融合算法与优化的m RMR算法两个方面对海底底质回波数据提取的特征量进行研究与分析。介绍了特征量冗余判定标准,通过冗余判定理论对特征量进行分析,进行实验判定特征量存在冗余,确定了需要融合算法来进行特征量去冗余降维。进一步通过特征量融合算法包括串行、PCA算法、Fisher算法和m RMR算法进行理论分析,提出优化的m RMR算法,对五种特征融合算法实验分析和评价,实验结果表明,与串行相比较其他特征融合算法能更好得对特征进行融合,其对于融合效果提高较高,有很强的应用价值。最后,介绍了三种对海底底质分类的方法,包括KNN算法、BP神经网络算法和随机森林算法,分析了算法的可行性。以海底底质回波数据的五种特征量融合结果进行实验,得到在三种分类方法下的准确率,并进行了对比分析,得到在本文提出的优化m RMR融合算法基础下,通过随机森林进行分类得到较好效果,证实了海底底质回波数据经过特征融合工作在分类效果上提高的理论分析,具有实际的应用价值。