随着主动声纳技术的快速发展,水下目标回波的自动分类识别问题已经成为主动声纳信号处理领域中的一项关键技术。由于水声环境的复杂特性,声纳回波往往经历不同程度的衰减与失真,其程度受目标距离与具体环境的影响。有效的识别算法不仅能够获取不同目标回波信号的关键信息,而且对一定程度的失真与衰减具有鲁棒性。为了能够判断目标回波的类别,首先需要设计特征提取算法获得具有强判别力的特征,然后对这些特征进行提炼,最后设计分类器实现自动归类识别。　　 采用主动声纳目标识别技术可以区分目标回波与混响、直达波干扰,从而提升接收机的检测性能。己往的混响抑制后处理算法大多采用建模、自适应滤波、预白化处理、恒虚警处理等,它们的性能受混响分布情况影响较大,而且计算复杂度高,难以实时处理。为了解决这些问题,采用基于频域典型相关分析(CCA:Canonicalcorrelationanalysis)的特征提取算法与支持向量机(SVM:Supportvectormachines)分类器,实现目标回波与混响的分类识别,并对匹配滤波结果进行修正,从而抑制混响。为了解决近距离小型似雷目标的分类识别问题,设计了一种基于时频域CCA的特征提取算法,并采用SVM进行训练与测试。试验结果表明当目标位于弱混响区时,该识别算法的性能非常理想。　　 直达波干扰也是影响主动声纳检测性能的重要因素,一般采用波束域的空间滤波方法进行抑制。但是这些方法对于干扰方位估计精度要求很高,对于失配极其敏感。针对这些限制,提出了一种分类置前检测算法,通过对接收端信号的预先分类识别,计算接收信号与发射脉冲之间的结构相似度,并据此对结果进行修正。　　 本文通过对所提出的识别算法进行数据仿真与试验验证,结果表明它们不仅可以有效地抑制混响与直达波干扰,提升主动声纳检测性能,而且能够识别不同的小型似雷目标。