随着科技的日益发展,人类的海洋活动逐渐增加,大多活动需要以船舶为载体,因此船舶噪声是构成海洋噪声的重要成分,对船舶噪声的分析、识别等需求日益增加。船舶辐射的噪声,是目标识别、跟踪、定位的重要依据。由于海洋环境复杂、多变,海洋中存在各种噪声,船舶噪声的识别检测是比较困难的,具有鲁棒性的船舶噪声检测系统的需求日益剧增。船舶噪声信号增强、特征提取以及识别方法的研究,对于海洋安全、国防建设领域具有重要的意义。本文根据船舶噪声产生原理,对船舶噪声信号建立模型,提出Gammachirp滤波器组(Gammachirp Filter Bank,GCFB)和共振稀疏分解(Resonance-based Sparsity Signal Decomposition,RSSD)的组合技术,该方法称为GCFB和RSSD组合技术(GCFB and RSSD Combination Technology,GRCT),结合GCFB和RSSD实现船舶噪声的弱信号增强目的。讨论不同时频分析方法性能,得到多项式Chirplet变换(Polynomial Chirplet Transform,PCT)性能最优,提出基于最大值池化的 PCT 时频聚合方法(PCT Time-Frequency Fusion Based on Maximum Pooling,MP_TFFPCT)。利用该方法对船舶噪声进行信号分析,提取时频特征,与听觉特征融合,得到具有更优识别性能的船舶噪声信号检测系统。通过真实船舶噪声信号与大量模拟数据验证了系统的可行性和鲁棒性。本文主要工作内容如下:(1)建立了船舶噪声信号模型,包括连续谱模型和线谱模型,分析了常见水声信道模型,提出基于声呐方程的船舶噪声信号仿真方法,利用模型得到的仿真信号与真实信号进行对比,验证模型的有效性,为后续分析提供基础。(2)提出GRCT滤波方法,将GCFB和RSSD算法应用在船舶噪声的信号增强中,利用GCFB自适应增强感兴趣的谐波分量,降低噪声干扰,接着利用RSSD算法提取信号的高振荡分量,滤除带内噪声和瞬态干扰,达到信号增强目的,提高检测性能。(3)介绍多种时频分析方法,利用指标量化评估各方法性能,验证PCT性能最优。提出MP TFFPCT方法分析船舶噪声信号的时频分布,利用该方法对不同类型船舶噪声信号进行特征提取,得到时频特征,与听觉特征融合,得到的融合特征在低信噪比情况下具有更优的识别性能。