本论文来源于国际科技合作计划项目“拖曳式水平渔探仪”。研究工作的重点是水下目标信号的特征提取及分类识别，深入研究能够有效提取水下目标特征的特征提取方法及有效分类器的设计方法。本文的研究属于被动声纳目标识别，是从目标的辐射噪声中提取目标的特征信息，结合已有的先验知识，对目标的类别做出判断。按照模式识别的工作原理，可以将本文的工作分为三大部分：特征提取、分类器设计和试验研究。特征提取的过程是把输入的水下目标辐射噪声信号变换到不同的特征空间，提取出反映样本的类别特性的特征向量，并把其作为分类器的输入。本文采用了三种前期研究中较为有效的水下目标特征提取方法—基于Lofar谱图的特征提取方法、基于小波分析的不同频段内能量特征提取方法和基于高阶统计量的特征提取方法。其中Lofar谱图特征反映了目标的时频特性；基于小波包分解的不同频段内的能量特征综合了不同频段内的信息；基于双谱的特征反映了信号的非高斯成分。这样提取了目标在不同方面的特征，为下一步正确的分类提供了坚实的基础。分类器的定义是可以根据输入模式判定该样本的所属类别，实现类别的划分。本文所采用的分类器是基于人工神经网络的多层感知器神经网络，该分类器非参数和自适应的特点，能够实现有效的特征层识别。最后一个部分是试验数据处理部分。本文利用湖试及海试所采集的实验数据进行分析处理，利用三种方法提取目标信号特征，通过神经网络分类器对不同目标进行分类，给出各自具体的识别率，并由此得出了相应的结论，本文所选取的特征提取和分类器算法基本上是有效的。