多波束测深声呐是海底特征声学遥感的主流设备之一,不仅能提供全海深、宽覆盖、高精度的海底地形地貌信息,而且利用其接收的海底反向散射数据还可用于判别海底表层底质信息,从而能实现海底地形、地貌与底质类型多种海底特征信息的一体化探测,这有利于提高海洋调查的工作效率。而如何有效地利用多波束测深声呐测量的声学数据并可靠地判断海底底质类型长期以来一直是人们广泛关注地热点与难点问题。本文结合国内外多波束测深声呐海底底质分类技术的研究现状与发展趋势,重点围绕具有完全自主知识产权的国产多波束测深声呐海底反向散射成像,成像数据的统计特性,多源信息特征提取方法以及分类算法的实现等4个主要方面开展研究工作,并以理论分析、计算机仿真以及湖上与海上试验数据处理等理论和实验方法为研究手段,主要研究内容如下:1、研究基于多波束测深声呐的海底反向散射成像技术。在总结分析现有3种基于多波束测深声呐的海底成像方法原理及其各自优缺点的基础上,提出了一种基于多波束相干原理的海底声学成像方法。首先理论研究多波束相干算法估计海底回波到达时间(Time of Arrival,TOA)与到达角度(Direction of Arrival,DOA)信息的基本方法,并在估计相位差序列时为抑制噪声影响,从相干信号的幅度、相关性以及频谱3个角度对相位差数据进行质量控制。在此基础上,利用得到的TOA-DOA数据并考虑水中声速对声波传播路径的影响对海底检测点的回波强度以及空间位置进行估计。由于该成像方法在对海底检测点的回波强度及其位置进行测量时都利用共同的TOA-DOA信息,因此避免了 snippet法中对各波束内回波强度序列的位置及其入射角度计算时的近似处理,实现回波强度及其空间位置数据的准确融合,提高了成像质量,并且该方法具有良好的空间分辨率。然后,结合声呐方程对回波强度数据进行修正,获取与海底底质特征联系更为紧密的反向散射强度数据,并分析研究反向散射强度的角度关系修正模型,以剔除其对海底声图像显示的不利影响。最后,通过试验数据对基于多波束相干原理的海底成像方法性能进行检验,验证了该方法的有效性。2、对多波束海底反向散射数据的统计特性进行研究。在理论分析海底反向散射信号幅度服从K分布模型的基础上,推导得到海底反向散射强度数据的概率分布服从对数域K分布,并估计模型参数的表达式。通过对上述概率分布模型的进一步近似推导,分析高斯分布假设描述反向散射强度概率分布的适用条件与局限性。然后利用仿真数据以及多种底质类型、两个不同频率的多波束测深声呐试验数据对上述理论结果进行检验,验证了理论分析的正确性和实用性。最后对不同底质、不同角度下反向散射强度数据的对数域K分布模型两参数——尺度参数与形状参数的一般变化规律进行分析,试验结果表明两参数与入射角度之间存在一定联系,且不同底质下的形状参数与尺度参数存在一定差别。3、对多源信息特征提取方法及其分类性能进行研究。首先以多波束海底声图像为数据源研究基于数据概率分布特性的特征提取方法,基于灰度共生矩阵的纹理特征提取方法以及基于功率谱比的Pace特征提取方法;其次,结合试验数据分析图像样本窗大小对分类结果的影响,结果表明随着样本图像尺度的增加,分类正确率越高,而当增大到一定程度时分类正确率趋于恒定,不再受样本窗尺度的影响;并且通过利用Fisher判别比对上述特征提取方法得到各特征量的分类性能进行比对分析;其中,将对数域K分布两参数用作分类特征量,且分类性能较好;然后,将各特征提取方法得到的特征量构成3组特征向量,并利用支持向量机(Support Vector Machine,SVM)分类器对各特征向量整体的分类能力进行综合分析,最后,以反向散射强度数据的角度响应曲线为数据源提取分类特征,并对其性能进行仿真分析以及试验数据的检验。从整体上看利用角度响应曲线提取的特征向量与上述3种基于声图像的特征提取方法相比,分类正确率相对较低,其中基于数据概率分布特性得到的特征向量分类性能最好,对砂、砾质砂、砂质砾、泥质砂质砾以及岩石5种类型样本数据的总体分类正确率可达到91.95%。4、研究多源特征合成核SVM的多波束底质分类方法。为使多种特征信息联合使用后充分发挥各自特点,提高分类性能,本文在理论分析传统单核SVM分类器分类原理的基础上提出利用合成核SVM进行多波束海底底质分类的方法,即将不同特征信息数据以加权加法形式构成合成核以代替传统的单核形式,并用SVM分类器进行海底底质分类。讨论了分类算法中最优参数的交叉验证搜索方法以及总体样本正确率、Kappa系数等分类正确率评价方法。并在此基础上,结合试验数据对本文研究方法的有效性进行检验。试验结果表明,基于合成核SVM的海底底质分类可得到比传统单核SVM更高的分类正确率,验证了利用合成核SVM在该分类问题中的有效性;并且试验结果表明,不同特征信息联合使用后,如果直接合成一个向量进行分类,其分类正确率并不一定能比单独一种特征信息获得的分类正确率高,而经合成核SVM处理后可有效解决此问题。