舰船目标识别技术是当前水声信号智能化分析和处理的热点。舰船目标识别分为主动识别和被动识别两种,本文研究的是被动识别技术。它是将被动声纳接受的舰船目标噪声信号先进行预处理以降低环境噪声的干扰,然后对预处理后的信号进行特征的提取,最后将提取的能够反映目标本质特性的特征量送入分类器进行分类识别。整个识别系统主要由3部分组成,即信号的预处理,特征量提取,分类器的设计。本文针对这3个过程展开研究和设计。信号预处理过程,是将被动声纳采集的目标信号和干扰信号进行处理,提取出目标信号的成分,将干扰噪声抑制、消除,从而提高信噪比,为后续的特征提取和识别打下良好的基础。本文研究采用了自适应滤波技术对噪声进行处理,通过对LMS和RLS自适应降噪方法的仿真对比,分析得出较好的RLS自适应滤波器从而实现了舰船噪声信号的预处理过程。特征提取是识别过程的关键过程之一,提取的特征必须既要能够反映目标的本质又要能够反映出目标之间的不同,以便识别器的分类识别。本文学习研究了各类舰船噪声谱特性,从谱特性的角度,对噪声的特征进行了提取。先后研究了舰船连续谱特征的提取方法,线谱特征的提取方法,以及112维谱特征的提取方法。另外本文还从人耳听觉反映的特征上,对舰船噪声进行了美尔倒谱差分系数的特征提取,并且给出了仿真实验结果。分类器的设计是最后的一个重要环节,它的设计最终影响识别性能的好与坏。由于舰船噪声属于小样本训练与学习问题,因此设计的分类识别器不但要具有良好的识别率,而且还要具有很好的泛化,推广能力。介于此,本文研究使用了支持向量机识别器。将以上提取的特征量送入支持向量机进行训练、学习、测试。最后通过仿真结果,检验了整个识别系统的有效性和可行性。