无线传感器网络是由大量被任意布置的传感器节点组成的。每个节点都有环境感知能力,数据处理能力,无线通信能力以及网络自组织能力。无线传感器网络技术被誉为21世纪最重要的一项新兴技术,已被广泛地应用于许多场合,如军事应用、工业安全生产和反恐、环境和居住区监测。本文利用最大熵AR-Burg功率谱估计法对进入无线传感器网络区域中的车辆信号进行谱特征提取,利用支持向量分类器对车辆进行车型分类。实验结果表明,在保证一定分类精度前提下,采用本文的方法,可以节约节点数据存储空间,减少用于后续SVM分类的特征向量样本数,从而达到提高传感节点乃至整个网络的工作效率。本文的主要工作内容,具体如下;(1)学习和梳理无线传感器网络技术的研究背景、网络和节点特点、关键技术、特征提取和支持向量分类等重要理论。(2)在谱特征提取方法方面,本文提出把AR-Burg模型应用于车辆目标谱的特征提取,取得良好的实验效果。(3)在提高谱特征分辨率方面,本文提出改变单次功率谱计算时采用的信号时间序列长度。与常规方法相比,提高了最后分类准确性,减少了特征数据的生成,减少用于分类时的特征向量样本数。(4)在有噪声通信实验方面,本文通过引入高斯白噪声,在不同信噪比条件下,计算出有噪声通信对特征提取及分类的影响。(5)在特征的分类器选择方面,本文采用支持向量机分类机来验证本文提出的改进方法的有效性。实验结果表明,本文提出的方法是充分有效的。总之,虽然本文成功的把AR-Burg谱特征提取及SVM分类应用于无线传感器网络领域,并取得一定的效果,但仍有许多疏漏和不足之处需要改进。