本文结合项目基于声信号的运动车辆识别问题展开研究工作，利用声音传感器采集的声信号的特征实现重型车和轻型车的识别。主要包括目标检测、特征提取和分类器算法的设计及DSP实现。以下是本文的主要内容：(1)对目标检测算法进行了研究。针对目标声信号在传播时衰减较大，容易受到环境噪声的干扰导致识别变得困难问题，利用单元平均恒虚警率(Constant FalseAlarm Rate,CA-CFAR)技术控制虚警的同时减少信噪比损失，从而提高了声信号的检测性能。本文利用实测数据进行了仿真，结合实际背景选择了算法参数，结果表明信噪比>4dB时，虚警概率pf为25%时，检测概率pd可以达到接近90%，可以满足项目的需求。(2)对声信号特征提取算法进行了分析。仿真比较了基于FFT、HHT和小波包变换的特征，利用两种特征选择方法对小波包特征进行了优化，提出了两种改进的小波包特征：最底层小波包能量特征和优化小波包能量特征。结果表明改进的小波包特征类内分散性小，类间分散性大，优化小波包能量特征维数大大少于最底层小波包能量特征，适合用于本文的项目开发。(3)仿真比较了常用的分类器：KNN分类器、贝叶斯分类器、支持向量机分类器以及模糊分类器，并且利用分层的思想对传统的模糊分类器进行了改进，解决了传统算法分类规则多、效率低的问题。仿真结果表明：分层的模糊分类器不仅分类识别率高，而且性能稳定，鲁棒性好，可以适应本文的应用环境。(4)为应用到具体的运动车辆识别系统，本文主要采用OMAP-L138双核处理器上的DSP核运行DSP/BIOS实时操作系统完成了底层算法的实现和双核通信方案的设计。通过测试验证该识别系统性能稳定，能够实时处理并且正确识别率达到要求。