水下目标识别中的信息融合技术是以实艇振动噪声综合测试为基础,以利用固有声学特征准确识别水下目标为方向,依托两类水下目标辐射噪声数据,通过预处理、分析其声学特征、提取能够反应不同类型目标的本质特征,并组成新的特征向量,完成特征层的信息融合。本文分别从时域、频域以及时频域3个角度提取特征向量,利用人工神经网络,采用举手表决的方法,进行决策层融合,实现对水下目标的分类识别。在分析软件实现的过程中,利用了C++Builder与Matlab混合编程的技术。本文可分为四个部分:绪论、特征提取、数据融合和算法实现与试验数据分析。在绪论中详细论述了论文的背景和意义,介绍了本论文的研究方法和研究内容。在水下目标特征提取的研究过程中,把输入的采集信号变换到不同的特征空间,提取出反映样本类别特性的特征向量,并把其作为分类器的输入模式。本文经过考察,采用了从时域(波长分布、幅值分布、面积分布)、频域(11/2维谱分析)以及时频域(维格纳变换、小波变换)3个角度获取特征向量的方法。这样,在特征层上融合了目标在不同方面的特征,为正确进行目标分类提供了坚实的基础。在数据融合的过程中,以模糊数学理论为基础通过对同一类目标的不同特征向量的分析,建立一类目标的“超箱”集合,形成以水下目标辐射噪声多种特征为基础的模糊识别分类器。采用“特征提取一分类”的方案,从而避免了特征优化的不利影响。最后一个部分是软件编程和试验数据处理部分。为了验证模糊融合分类器的分类性能,利用两组不同试验所采集的数据,经过分析处理,给出各自具体的识别率,并由此得出水下目标识别的分析结论。