水声信号处理是信息领域最为活跃的学科之一,而水下目标信号是水声信号中的一大类。水下目标信号的降噪、特征提取与分类识别在现代水声信号处理中具有十分重要的理论意义,对于水声信号的探测、跟踪和识别等方面都具有重要的应用价值。经验模态分解方法是一种新的适用于非线性和非平稳信号的自适应时-频分析方法。本文通过深入研究,分析了现有经验模态分解方法的不足,针对这些问题提出了一些改进方法,并围绕经验模态分解及其改进算法在水下目标信号的降噪、特征提取与分类识别等方面的应用展开讨论,主要工作包括:1.分析了经验模态分解和集合经验模态分解这两种方法存在的一些问题。其中,模态混叠现象是经验模态分解的一个主要问题,它使得分解后的固有模态函数的时-频分布混乱,甚至失去实际的物理意义。集合经验模态分解是对经验模态分解的重要改进,其本质是在原信号中多次添加白噪声后进行多次经验模态分解。该方法虽然有效缓解了标准经验模态分解的模态混叠现象,但由于多次添加白噪声,使算法的复杂度和运算量大大增加。此外,集合经验模态分解还带来了一些新的问题,例如:无法确保每次添加噪声后得到的固有模态函数个数是相同的;重构信号中包含了集成平均后未能消除的噪声,这就使得分解重构的信号不能准确地恢复出原信号。2.针对经验模态分解和集合经验模态分解中的上述问题,提出了噪声自适应集合经验模态分解方法。仿真结果表明,提出的改进算法不但减少了算法运行时间,而且得到原始信号的时-频分布更为精确,分解结果的重构误差也大幅减小,其分解性能优于标准经验模态分解和集合经验模态分解方法。进一步,探讨了基于噪声自适应集合经验模态分解的混沌信号降噪方法,提出了基于能量密度和平均周期的固有模态函数相关系数法,自适应地选择降噪重构的固有模态函数分量。该方法被应用到不同信噪比的Lorenz仿真信号和实测四类水下舰船辐射噪声信号的时-频分析和降噪处理中,得到了较为满意的结果。3.基于复数经验模态分解的特点和白噪声在经验模态分解下的统计特性,本文将噪声辅助分析思想引入到复数经验模态分解中,提出了噪声辅助复数经验模态分解方法,并通过详细推导分析了添加的白噪声对该方法分解结果的影响。该方法将原一维观测信号和添加的白噪声分别作为实部和虚部,构建二维复数据,再利用复数经验模态分解方法进行时-频分析。进一步,提出了基于噪声辅助复数经验模态分解的混沌信号降噪方法,并利用不同信噪比的lorenz仿真信号和实测四类水下舰船辐射噪声信号验证该方法的有效性,通过降噪前后的时域波形、混沌吸引子相图,以及计算降噪前后的噪声强度、相关系数、关联维数和lyapunov指数等参数,从定性和定量两个方面评价该方法的降噪性能。4.通过对经验模态分解、集合经验模态分解和提出的两种改进方法的比较,发现噪声辅助复数经验模态分解方法的分解性能要优于标准经验模态分解、集合经验模态分解,而与噪声自适应集合经验模态分解性能相仿,但前者运算量要远小于后者。综合考虑这两种改进方法的分解性能以及运行时间等因素,本文最终选定噪声辅助复数经验模态分解作为下一步对水声混沌信号分析处理的方法。因此,为进一步探讨噪声辅助复数经验模态分解方法在水声混沌信号的降噪、特征提取与分类识别等应用中的可行性,本文开展了噪声辅助复数经验模态分解方法在基于非线性理论的局部投影算法中的应用研究。针对局部投影算法中邻域难以准确选择,而邻域大小又直接影响其降噪效果这一问题,提出了基于噪声辅助复数经验模态分解的改进局部投影算法,并把该方法用于lorenz仿真信号和实测四类舰船辐射噪声的降噪实验中,得到了较为满意的结果。5.基于噪声辅助复数经验模态分解方法的良好分解性能,用噪声辅助复数经验模态分解代替希尔伯特-黄变换中的标准经验模态分解,进而提出了改进的希尔伯特-黄变换方法,并探讨将该方法用于水下目标信号的特征提取与分类识别的可行性和有效性。根据舰船辐射噪声的hilbert谱图,探讨水下目标信号的基于固有模态函数的特征参数提取方法。这些特征参数包括:最强固有模态函数中心频率、高低频能量差、瞬时能量变化范围和固有模态函数能量熵等。选择三种典型的混沌系统:lorenz混沌系统、rossler混沌系统和henon混沌系统,分别提取了这三种混沌信号的上述特征参数,计算结果表明:提出的基于固有模态函数的特征参数对不同类型的混沌信号具有可分性,可以作为不同混沌信号分类的依据。继而选择实测的四类舰船辐射噪声作为水声混沌信号,分别提取它们的上述特征,分析不同类别舰船辐射噪声的特征参数间的区别与联系。结果表明:最强固有模态函数中心频率、高低频能量差和固有模态函数能量熵是几个较好的特征,对四类不同舰船目标具有较好的可分性。瞬时能量变化范围仅能区分出第三类舰船目标。6.选择最强固有模态函数中心频率、高低频能量差和固有模态函数能量熵作为水下目标信号的分类特征,构成特征矢量,设计基于支持向量机的水下目标信号分类器。每类目标选取30个样本作为训练样本,20个样本作为测试样本,利用设计的水下目标信号分类器对四类舰船信号进行分类识别,得到了较为满意的结果,也验证了本文提出的水下目标信号的提取和分类方法是有效的,这一结果将为水下目标的探测、自动识别和分类提供重要参考。