有效的特征提取是水下目标识别的关键。鉴于各种已有的基于时频分析特征提取方法的不足,本文将希尔伯特-黄变换(HHT)这种新的时频分析方法应用于水下目标特征提取。HHT是上世纪末Huang等人首次提出的一种新的信号分析理论。本文详细论述了HHT的思想及实现方法,并通过对算法进行仿真研究讨论了HHT的局部特性,EMD方法的时间尺度滤波特性,Hilbert边际谱的频率分辨率问题及与傅里叶幅度谱的联系与区别,针对多普勒影响下匹配滤波方法检测线性调频信号能力下降的问题,引入了一种新的线性调频信号检测方法:HHT—Hou曲变换,仿真数据证明:这种方法能从低多普勒影响下的混响背景中有效的检测线性调频信号,并给出了检测能力分析。然后,在对目标回波亮点模型进行仿真的基础上,讨论其抗混响能力并将HHT应用于水下目标特征提取,重点讨论了HHT对不同数目的几何亮点与弹性亮点叠加时的分析能力。在本文最后,利用HHT方法处理大量实验数据,讨论了这种方法在处理实际水雷目标回波的有效性:首先,用HHT方法提取各类目标回波的时频结构特征,并利用门限处理及K-L变换对所得到的特征进行降维处理,然后利用BP神经网络分类器对不同几何形态的目标分为悬吊,沉底,掩埋情况进行了分类识别,讨论实验结果与理论是否相符,从中验证了这种方法能够有效地提取回波中的亮点结构,达到较好的分类识别效果。经仿真及实验数据处理证明,HHT对信号有高度的自适应分析能力,Hilbert边际谱在目标形状简单的情况下,能够凸现弹性成分,无吉布斯现象。Hilbert谱能够清晰的展现目标回波的时频结构,且时频分辨率高于小波变换,是水下目标特征提取的有效方法。