为满足服务、国防和工业领域中对障碍目标检测技术实际应用的强烈需求，本文结合超声波传感器结构简单、技术成熟、性价比高、可在光线暗、油污等环境恶劣的条件下工作的优点，以模式识别和统计学习理论为基础，以支持向量机为分类手段，采用基于复小波变换包络提取技术，并利用信号包络线和物体形状之间内在的关系，将超声回波信号的特征得以提取，并通过基于类内类间距离的类别可分离度量准则，将特征进行最优选择，发展了一种基于支持向量机的障碍目标超声检测技术，具体工作在于 第一章，综合论述了开展障碍目标的超声检测技术研究的重要意义，对障碍目标检测技术的发展现状及趋势进行了系统的总结，指明了超声检测在障碍目标检测应用中的优越性和有效性，提出了论文的研究内容及各章节的安排。 第二章，在介绍统计学习基本理论的基础上，详细阐述支持向量机的理论基础，并建立了其应用于模式识别领域的数学模型。 第三章，在对障碍目标超声检测算法结构分析的基础上，对基于支持向量机的障碍目标超声检测技术展开研究。首先，结合超声回波信号的特点，利用小波变换具有良好消噪能力来对信号进行消噪处理；然后，根据复小波变换可以提供信号瞬时相位信息的特点，采用了复小波变换提取超声回波包络的方法，并提出一种根据包络线提取物体特征参数的技术；其次，为了解决本文的实际应用的多类识别问题，构造了障碍目标识别多类分类器；最后，在基于支持向量机的障碍目标超声检测算法的基础上，进行实验研究，验证该方法的有效性。 第四章，开展了嵌入式障碍目标超声检测系统的研发。在确定该系统整体方案的基础上，对系统各关键模块软、硬件进行具体的设计，并完成了系统的集成。 第五章，对全文的工作进行全面总结，并展望了下一步的研究方向。