不论在军用还是海洋工程应用领域,海底底质分类研究都有着非常广阔的应用前景。现在对海底底质的精确分类只能靠海底采样,这种测量工作费时费力。而海底沉积物的类型与海底介质的声学特性直接相关,利用声学方法进行海底沉积物类型判别工作能有效地提高工作效率。多波束测深系统能够为声学分类工作提供高精度、高分辨率的数据源,而神经网络能够有效地提高分类工作的精度。论文主要研究基于多波束测深数据的海底沉积物类型判别方法,主要内容包括沉积物类型声学判别的参数介绍,将多波束测深系统和神经网络应用于沉积物类型判别工作必要性的理论论述,基于多波束测深数据的反向散射强度数据归一化处理研究,提出了波束旋转的多波束测量方案,可以对同一测量点做到多角度的多次测量,利用该方法得到的数据进行归一化处理可以提高数据处理的精度。最后根据海底沉积物分类工作的具体要求,选用了模糊ART网络,并进行了分类工作的仿真研究,通过仿真结果证明了分类算法的有效性。