由于水声信道存在多途效应,水听器接收信号是直达声和一系列反射声的叠加。从叠加信号中准确地挑选出直达声信号是进行后续水声探测、水声定位、水声通信的基础。水声系统中现有的直达声挑选方法主要是通过人工构建直达声挑选专家系统,这往往需要依靠大量的实验数据以及项目的自身特点不断优化判断准则。因此针对水声系统中的直达声挑选问题,本文提出了一种基于机器学习的智能化直达声挑选专家系统。首先基于水声多途信道对信号传播的影响阐明了直达声挑选的必要性。在机器学习领域中,决策树算法是一种经典的分类方法,其结构与人类进行决策时的逻辑相似。因此,本文研究了决策树的构建过程、ID3、C4.5和CART三种常见的决策树算法以及决策树模型性能的评价标准。然后本文研究了现有的直达声挑选专家系统的思想原理及具体判断准则。为了更好地利用样本数据,本文研究了幅度归一化、时延差分化、连续值预处理等输入信号预处理方法。接着本文分别基于以上三种算法构建直达声挑选专家系统,通过模型性能对比最终选择CART算法构建直达声挑选专家系统。接着通过数据仿真分析了所构建的决策树直达声挑选专家系统的性能。最后,将所提出的基于决策树的智能化直达声挑选专家系统应用于高帧率水下合作目标定位系统和声信标搜索定位系统两个项目中,并通过湖试试验与传统直达声挑选专家系统进行对比。结果表明与传统专家系统相比,本文所提决策树专家系统具有直达声挑选准确率高、建模效率高、环境适应性强、智能化程度高的优点。