超声测距系统具有价格便宜,原理简单且不受光照和透明半透明障碍物的干扰的优点,已经成为机器人必不可少的传感器元器件之一。但是超声传感器易受其它杂波的干扰,其回波信号零点难以精确的找到,目前常用的渡越时间法测离,即回波信号的时间采用阈值法处理,具有测距精度不高的缺点。在复杂的环境里面,机器人对传感器采集回来的信息量要求越来越高。随着人工智能的时代到来,机器人对周围障碍物的形状必须有准确的判断,才能规划最优路径,对人类提供更好的服务,所以机器人如何利用传感器信息识别障碍物就显得尤为重要。目前,常用于机器人的传感器主要包括激光、视觉和超声,激光的精度较高,但是其价格昂贵;视觉所收集的信息量较丰富,但是其计算量太大,对硬件要求较高,且其受光照影响较为严重,超声以它独特的优势,成为机器人不可缺少的传感器之一。针对超声测距系统易受杂波的影响,本文对接收回的超声回波信号做优化处理,对超声回波信号采用了两种滤波方法,对非递归形滤波器分别加入Bartlett窗函数、Hanning窗函数、Hamming窗函数和Blackman窗函数四种窗函数做滤波处理,对比分析滤波效果发现,Blackman窗函数滤波效果较好,且运算量较小,容易实现;对回波信号做带通滤波处理,能够较好的去除毛刺,但其计算量较大。由于超声回波信号具有盲区,当测量距离较近时,回波信号与盲区信号重合,很难找到回波信号零点,采用L阶多项式逼近算法,把回波包络函数重构出来,精确地找到回波信号零点。考虑到超声信号之间的串扰,拟设计了四周形的超声测距阵列,把收集回来的六组信息作为样本,采集了160组这样的样本信息,分别代表四种障碍物,它们分别是墙面、墙角、走廊和半包围形状的障碍物;这160组样本来自于四种障碍物信息,每个障碍物信息数据集又分为两组,分别为训练集和预测集,训试集用来对SVM模型进行建模,预测集是用来验证测试出来的模型对障碍物分辨的正确率;通过对SVM模型的惩罚因子c和核函数参数g交叉验证,得出最优参数c等于2.83,g为0.5,准确分辨率可以达到97.5%。