高阶统计量是研究非线性和非高斯信号的有效工具，它在信号检测、特征提取以及参数估计等方面具有广泛的应用性性。本文主要应用高阶统计量对水中目标进行特征提取及分类识别研究。 文章首先介绍了高阶统计量的定义和性质，特别指出了高阶统计量对高斯过程不敏感，这是我们利用它进行信号检测和估计的理论依据。 然后分析了舰船辐射噪声的产生机理。利用希尔伯特变换求舰船噪声的包络谱，对舰船噪声的包络信号进行分析，并提取了四个特征量。对于通过希尔伯特变换解出的舰船辐射噪声包络信号进行高阶统计量分析，有效地提取出了舰船噪声的双谱、1 1/2维谱、2 1/2维谱等方面的特征。 将上述方法所提取的线谱和连续谱特征作为特征参量，采用B-P神经网络对三类船舶实际噪声样本进行识别分类，平均正确识别率达到80％。并验证了采用高阶统计量方法的正确性和所提取特征的有效性。 由于论文工作量较大，本文的水下目标识别分类方法中对去噪处理和特征参量选择的研究还需有待进一步的探索。