随着任务以及环境的复杂化，越来越要求移动机器人向着智能化、自动化的方向发展，以便对未知的环境建立模型，进而完成各种任务。而对障碍物的形状识别是建立环境模型的前提，为此，展开对障碍物形状识别技术的研究是十分必要的。超声换能器由于自身的优点被广泛地应用于物体形状识别中的测距系统。超声测距系统中，串扰现象及有效测距范围和测距分辨力之间的矛盾是影响测距及识别效果的主要因素。现有的形状识别系统消除串扰多是采用分时激励的方法，增加了识别的时间；为了保证分辨力，多是发射单脉冲波，从而影响了有效的测距范围。本文利用伪随机编码调制的思想构造超声换能器的激励序列，在接收端采用相关处理实现测距，有效地抑制串扰，提高了识别系统的测距实时性，同时使得超声测距系统既可以获得较大的有效测距范围，又可保持较高的测距分辨力。首先，介绍了超声换能器发出的超声波在空气中传播的模型、超声波在空气中的传播和反射特性，分析了这种特性对超声测距、形状识别的影响。并且据此给出了换能器阵列的设计及其改善方案。其次，系统地设计了用于形状识别的BP神经网络结构，在仿真及实验的基础上采集了大量的数据，进行离线的BP网络仿真训练，保存训练得到的权值和阈值，用于构建神经网络进行形状识别。最后，本文在无串扰超声测距的基础上，进行超声波形的分析、换能器阵列的设计、识别特征的考虑等，来识别由面、角、棱组成的环境中的障碍物形状。初步的实验结果显示可以实现简单的形状识别。