水声目标识别是水声领域的难题之一，虽然水声界已经提出许多种目标识别算法，然而由于复杂的海洋噪声环境、多样化的舰船种类、推进机械、以及航行工况都使水声目标的识别变得十分困难，难以取得令人满意的效果。水声目标识别算法的另外一个特征是其算法复杂、运算量大、并行要求高。本文针对以上问题，分析了目前的目标识别算法，重点讨论了选择DSP芯片、软件移植、构筑多目标并行和实时处理的水声目标识别系统的全部过程。 第一章，简要阐述了本系统包括的目标识别算法，包括基于功率谱的神经网络识别、特征线谱识别和瀑布图线谱迹识别，基于分频段解调谱的线谱和叶片数识别，基于波形分析的微结构识别以及基于D-S方法的数据融合与综合识别。 第二章，介绍了系统的核心DSP芯片-ADSP21062，然后将它与TI公司的TMS320C30进行了详细的性能比较，阐明了其优势所在。 第三章，介绍了由ADSP21062构建的硬件平台及其DSP、外存、I/0、总线形式等系统配置情况，讨论了在并行系统下FFT算法的优化。 第四章，介绍了支持该硬件平台的软件开发环境，包括支持分布式处理、并行内核的APEX-LITE和支持高级信道通信、多线程异步主接口的APEX-PRO。接着介绍了DSP平台下软件开发的特点，包括内存的使用特点和对算法的改进。最后对软件系统的开发进行了介绍，包括基于VC++的GUI界面、API接口和内置DSP代码的开发，以及声纳系统中目标识别软件模块的开发。最后给出了声纳系统中目标识别模块的内存占用和运行时间等各项参数和实验室数据的测试结果，表明各项指标均达到了系统要求。