主动声呐目标分类识别在保护国家安全的军事领域及海洋资源开发的民用领域上,都有着非常重要的研究意义。一方面可用于提高作战系统决策效率及可靠性,另一方面能够探索海底环境和生物,帮助获取更多海洋资源。主动声呐目标回波信号中携带着大量反映目标本质特性的信息,是主动声呐目标分类识别研究的基础,但由于水下环境复杂多变,导致其接收的信号中存在各种噪声和混响的干扰,使得目标有效特征的提取非常困难。针对接收信号中噪声和混响干扰对主动声呐目标分类识别研究的影响,本文展开了对抑制噪声和混响的分类识别方法的研究。主要研究工作体现在以下方面:首先,基于稀疏表示理论具有良好的噪声处理能力以及稀疏表示中的稀疏系数包含目标的本质信息,以稀疏系数作为特征,结合支持向量机,提出了基于稀疏系数特征的主动声呐目标分类识别方法。应用于噪声背景下的主动声呐目标回波信号,从信噪比、测试样本数大小角度分析说明了本方法具备噪声抑制能力;在同等条件下与频谱特征、双谱特征结合支持向量机方法结果的对比,验证了本方法具有良好的分类识别性能。其次,结合字典学习、稀疏重构及匹配度的思想,采用各目标主动声呐回波信号训练得到对应学习字典,分别稀疏重构测试信号,以各重构信号与测试信号的匹配度大小为判定策略进行分类识别,提出了一种基于字典学习的主动声呐目标分类识别方法。在噪声背景下的主动声呐目标回波信号应用中,同样从信噪比、测试样本数大小角度分析说明本方法的噪声抑制能力;在同等条件下和频谱特征结合支持向量机、K近邻方法的方法以及基于稀疏系数特征的主动声呐目标分类识别方法结果对比下,验证了本方法在解决低信噪比下的分类识别问题时具有优势,提高了分类识别性能。最后,基于分数阶傅里叶变换对混响信号的良好抑制能力对混响背景下的实测信号进行预处理,再结合基于字典学习的主动声呐目标分类识别方法,提出了基于混响抑制的主动声呐目标分类识别方法,应用于混响背景下的主动声呐目标回波信号,在同等条件下,对比基于字典学习的主动声呐目标分类识别方法结果,验证了本方法具有良好的混响抑制能力,提高了混响背景下的分类识别性能。