水面及水下目标辐射噪声低频线谱特征提取是信号检测和目标识别的关键技术之一,它直接影响到信号检测和目标识别的效果,是水声领域的学者们长期关注的研究内容。近年来,由于矢量水听器的逐步推广应用,基于矢量水听器的信号处理技术也相继出现,并展示出优于声压信号处理的优势。基于矢量水听器的信号处理问题已成为令人瞩目的研究热点,一些成果相继被发表。声矢量信号处理技术的出现,为解决水面及水下目标特征提取、微弱信号检测、定位及噪声识别等诸多问题提供了一种新的方式和手段。本文根据声压和声矢量信号特征提取的研究现状、存在的主要问题以及工程实际应用的基本要求,结合基金项目“XX声矢量特征提取与分析研究”的内容,对目标特征提取及其分类识别进行了理论、算法与应用方面的探讨。论文的研究建立在单矢量水听器基础上,围绕矢量水听器信号处理方法,应用二阶和高阶统计量手段,将LOFAR、DEMON、非整数维谱和互双谱技术融入到其中,实现水面及水下目标辐射噪声特征提取与识别技术研究,从而扩大矢量水听器的应用领域。主要研究内容如下:(1)从水下目标辐射噪声的非平稳性出发,对矢量水听器目标辐射噪声的线谱特征采用高阶统计量的信号处理方法进行了研究。(2)通过借鉴标量信号双谱估计算法和互双谱定义,提出了声矢量信号双谱和互双谱估计算法,并将其应用于声矢量信号特征提取。探讨其增强基频信号抑制高斯噪声的能力。(3)探讨声压和声矢量信号非整数维DEMON谱特征提取方法,并对其性能进行研究。探讨高斯、对称和混合背景噪声环境条件下,不同输入信噪比的常规声压与声矢量信号非整数维谱的轴频峰值与背景噪声均值比及轴频检测概率。(4)利用以上研究所获得的声矢量信号组合特征,进一步探讨基于矢量水听器和LMBP神经网络的目标识别技术;探讨基于矢量水听器和RBF神经网络的目标识别技术;并对其识别效果进行了分析。(5)对上述研究进行了计算机仿真和实际试验数据处理,处理结果进一步验证了理论研究和所提出算法的有效性。本文旨在通过以上研究,能够对声矢量信号中的线谱成分有充分的认识和提取到尽可能多的特征,从而进一步提高舰船目标识别率。