在现代声纳系统中,水下目标的自动识别一直是研究的关键技术之一。近年来,随着计算机技术的兴起,基于机器学习的分类识别方法在水声领域得到了应用研究,并取得了良好的效果。与传统单基地主动声纳和被动声纳相比,多基地主动声纳具有自己独特的优点,近年来成为声纳技术的研究热点之一。那么,多基地声纳水下目标识别技术也值得开展相关的研究探索。论文主要研究内容包括:1、水下目标瞬态信号声散射场的数值计算方法与仿真实现。对水下目标的声散射特性以及计算方法进行了研究,采用COMSOL软件中基于有限元和边界元的声场数值计算方法对目标声散射场进行了模拟仿真。通过对多基地声纳系统进行设计与仿真建模,得到了多基地声纳目标不同方向节点处的时域回波,为后续研究提供了数据支持。2、多基地声纳目标识别技术。针对节点接收到的回波信号特点,采用基于希尔伯特-黄变换和小波包熵变换的特征提取方法对目标声信号的特征进行了分析提取;将提取后的特征向量送入设计好的3种分类器中进行分类识别,并对不同条件下的识别结果进行了对比分析。结果表明,基于机器学习的多基地声纳水下目标识别技术有着独特的识别优势,在低信噪比下得到较高的目标识别率。3、生物声纳波形设计。在复杂的海洋环境中,主动声纳的发射波形也会影响识别性能。海豚等鲸类海洋动物发射的信号具有抗干扰能力强、定位精度高等特点。本文根据其发射信号的波形设计仿生信号;将仿生信号作为多基地主动声纳的发射信号,进行目标识别的仿真实验;最后,将两种不同发射信号—仿生信号与LFM信号—的识别结果进行了对比分析,为主动声纳的波形设计提供了新的设计思路。