近年来，多传感器数据融合的理论和技术发展迅速，已经广泛地应用于各种军事和非军事领域。现代水面舰艇和潜艇装备了大量的水声设备，各种声呐装置的工作原理和方式、频率覆盖、作用距离以及可靠性等方面各有不同，多声呐数据融合则可以联合多个声呐设备所获得的数据，执行单一声呐系统所不可能获得的推断或达到的精度，产生比单个声呐设备更精确和更完全的完整的关于目标位置、轨迹和身份的说明。论文较为全面地研究了多声呐系统的数据融合及目标识别的理论与应用问题，分别从被动声呐的非线性特征提取、目标分类策略、身份属性关联和身份属性融合等方面进行了深入的研究。 首先，全面分析了舰船辐射噪声的产生机理，研究了水面舰船、潜艇和鱼雷的辐射噪声的组成及其特征，讨论了现代船舶制造技术的发展及其对舰船辐射噪声的影响，并针对被动声呐目标识别的特点建立了舰船辐射噪声的特征模型。在研究了分形布朗运动模型的基础上，本文提出了舰船辐射噪声的分形布朗运动模型，提取了舰船辐射噪声的分数维特征，并分析了螺旋桨空化噪声的分形特性及其分数维分布，为水声目标分类识别提供了一种新颖的非线性特征分析手段。 其次，深入讨论了多声呐系统的数据融合和数据关联问题，针对多声呐系统中多目标身份关联问题，采用多分辨率分析理论建立了多声呐系统的多分辨率信号模型，并提出了基于多分辨率分析的舰船辐射噪声多频带多抽样率信号关联算法，较好地解决了多声呐目标关联问题，具有良好的抗噪声能力。在多声呐和多扫描特征关联中，本文还提出了一种基于舰船辐射噪声信号的宽带噪声包络调制分析的多声呐特征关联算法，宽带噪声包络调制关联建立在时不变的或平稳的目标属性数据或特征向量的基础之上，具有良好的目标关联稳定性和较强的抗噪能力。 第三，针对多声呐系统中的特征级身份融合问题，研究了被动声呐目标的特征融合算法及分类器实现的理论，提出了基于遗传算法的特征融合分类算法，利用遗传算法的全局寻优能力完成多声呐特征的全局调整，增强了对矛盾特征和不确定性特征的融合能力。本文提出了基于自组织映射的特征融合算法，利用自组织特征聚类方法的有序映射和特征压缩的能力，其输出的联合特征矢量有效地完成了对多声呐输入特征的融合，明显地提高了多声呐系统的容错性和泛化性。 第四，研究了多声呐系统的决策级身份融合问题，分别建立了基于贝叶斯统计推理理论和Dempster-Shafer证据理论的多声呐系统的决策级身份融合模型，在不同条件下，对多声呐决策级身份融合系统进行了全面的实验和评估。针对多声呐系统的层次化目标识别问题，分别对基于贝叶斯统计推理理论和Dempster-Shafer证据理论的层次化目标识别的身份属性融合模型进行了讨论。最后，研究了被动声呐目标分类策略对分类器算法和系统泛化性能的影响，并针对被动声呐目标识别中的不完备样本集问题，提出一种基于补充独立证据的证据融合目标识别算法，在层次化分类系统中引入基于间接分类策略的目标辨识算法，对于目标类型数据库中的已知样本，采取补充独立证据的形式并利用证据理论，改善或增强目标分类算法的可信度，同时提高被动声呐目标识别系统的识别率和泛化率。