水声目标辐射噪声特征提取和识别技术作为水下目标识别的一部分,是未来潜艇战和反潜作战中,隐蔽攻击、先敌发现、争取战争主动权的先决条件,也是实现其他水下武器系统智能化的关键技术之一。近年来,随着舰艇减振降噪技术发展和应用,使得目标辐射噪声功率大大减弱,导致赖以识别的目标特征不清晰、不稳定及特征变异、多目标干扰、环境噪声干扰等诸多因素都使获得的目标辐射噪声不再纯净,信号的功率谱中也掺杂了很多不属于目标本身的“伪特征”,给被动声纳目标检测和识别带来了极大的困难。目前,被动声纳目标识别已成为影响反潜作战的瓶颈问题,如何从水声目标辐射噪声中提取目标特征、辨识干扰特征,提高所提取特征的精度和可靠度,从而获取目标辐射噪声的有效特征是具有重要意义又亟待解决的研究课题。针对被动声纳系统的目标识别问题,本文开展了基于水声目标辐射噪声特征提取与目标识别技术研究,论文的主要工作和创新点如下:1.研究了拖曳复合线列阵畸变条件下的目标辐射噪声高保真线谱提取技术,提出了一种基于强线谱时延估计的畸变复合线阵自校正新方法,该方法仅需要目标辐射噪声中的强线谱信息实现对复合线阵的畸变校正获取高保真线谱特性,而无需额外设置参考源。针对实际水声环境中的多目标、强干扰问题的目标特征提取问题,提出了一种基于畸变复合阵型的多目标、强干扰的环境下线谱特征提取新方法,该方法联合畸变复合阵自校正技术与广义旁瓣相消器技术,实现了强干扰下对目标信号线谱特征的高保真提取。最后,通过仿真实验与海试数据验证了上述方法的有效性。2.研究了多频带的水声目标调制谱重构技术,提出了一种基于子带组稀疏结构的高分辨水声目标调制谱重构新方法。介绍了传统的基于傅里叶变换的调制谱特征提取方法中存在的缺点,分析并利用了水声目标辐射噪声调制谱特征的成组出现的结构特性以及稀疏的分布特性,将传统的基于傅里叶变换的调制谱求解问题转换成基于逆傅里叶基的系数重构问题,提出了非参数化的稀疏贝叶斯框架下高分辨率调制谱重构方法生成模型,利用蒙特卡洛采样技术实现了对模型的推导获取概率模型的后验分布,通过仿真数据与海试数据对算法的性能进行验证。3.研究了现有的水声目标分类识别技术与深度学习理论,提出了一种基于深度学习的辐射噪声信号时频谱识别新方法。利用卷积神经网络对不同水声目标信号的时间-频率联合域特征进行分类,设计并搭建相应的卷积神经网络,分析了网络中每一层的输出,验证了卷积神经网络提取水声目标辐射噪声的深层次特征的有效性,分别利用仿真数据和实测数据验证了上述方法的有效性。