舰船辐射噪声的目标识别技术是水声信号处理的重要组成部分。舰船辐射噪声既包括周期振动成分也包括宽带随机过程。同时，舰船辐射噪声还表现出了强烈的非平稳和非线性特性。因此，水声信号是典型的多成份复杂信号。这些特点使得传统的信号处理方法在对其进行分析时受到一定程度的限制，无法从中提取出足够理想的特征量。　　为了从复杂的舰船辐射噪声中探索和寻求其包含的各个声源的特征信息，就必须尽可能的将这些成分从原信号中分离;而为了克服信号的非平稳性以及非线性带来的影响，则必须应用非常规的信号处理手段来对其进行分析。本文在对舰船辐射噪声产生机理和信号特点深入了解的基础上，利用基于EMD的分解方法，将舰船辐射噪声自适应地分解为一系列具有特征时间尺度的振动模式。我们认为，这些模式对应或包含了原信号中由各类声源产生的子成分。在此基础上，针对各个模式，采用了各种适用于非平稳非线性信号分析的方法和手段，对其进行描述与刻画，试图从中提取出稳定有效的特征量。通过上述特征提取方法，我们希望能够突破原特征提取方法的局限性，获得反映复杂信号内部结构特点和具体成分特性的新特征量，使得目标识别的稳定性和准确率得到提高。　　本文的主要内容如下:　　第一章分析了舰船辐射噪声的产生机理和信号特性，讨论了传统的特征提取方法和其局限性。同时，介绍了本文的研究背景和主要内容。　　第二章介绍了EMD方法，深入了解了EMD的特性并系统分析了其分解的优势和不足。针对原EMD方法的不足和其在实际应用中受到的限制，采用了基于局域均值包络估计算法的加窗EMD方法。通过讨论和比较原EMD和加窗EMD方法各项性能指标，验证了该方法的稳定性和抗噪性，及其在舰船辐射噪声分析中的适用性。　　第三章研究了螺旋桨空化噪声幅度调制特性的提取问题。本文首先引入EMD方法对幅度调制成分进行提取，分析了此方法在提取中的优势。在此基础上进一步采用加窗EMD方法提高了提取的准确性，并结合基于SVD的滤波方法使得提取成分的结构特征更加明显。　　第四章讨论了基于频率特性的特征提取方法。经修正EMD分解得到的各个模式都可以计算得到其各个时刻的瞬时频率，通过对瞬时频率分布特性的了解和分析，不仅可以得到原信号中的频率结构特点，提取出稳定而有效的特征量，还可以观察到其中的时变特征。　　第五章探讨了舰船辐射噪声中存在非高斯和非线性成分的可能性，并验证了这类成分的存在。通过多种非高斯性度量方法，提取出了各个模式的非高斯度作为特征量，进行实验证实了这类特征量的有效性。通过代替数据法和非线性预测法的相互验证，确定了规则非线性成分所处的模式，并利用对其非线性参数的提取，得到了具有特定物理意义的特征量，为特征提取提供了新的方法与思路。　　最后，在第六章中对全文的内容进行了总结，并对下一步有待完成的研究内容进行了规划。