鲸类动物可以通过发出不同类型的声音信号进行水下目标定位、个体间通信、目标识别以及环境感知等活动。对鲸声信号的研究可以指导人类更好地保护海洋哺乳动物以及更合理地开发海洋生物资源。对鲸类动物进行被动声学监测是鲸声信号研究的重要技术手段,在监测过程中,对来自不同种鲸的声音信号进行准确检测、识别和分类是后续被动监测应用的前提和基础,具有十分重要的意义。本文对物种间鲸声信号的识别与分类方法进行了研究,主要研究内容和完成的工作包括:1、基于国内外研究现状和相关技术手段,对物种间鲸声信号识别与分类方法的关键技术进行了分析;针对不同类型鲸声信号的时频特点,分别提出了鲸点击信号识别与分类方法和鲸哨声信号识别与分类方法的总体方案。2、对识别与分类过程中的声音去噪环节进行了研究,通过对鲸点击信号和鲸哨声信号的去噪实验,分别研究和分析了不同方法对两种鲸声信号的去噪效果,根据实验结果选择合适的去噪方法完成鲸点击信号和鲸哨声信号的去噪。3、提出了一种基于传统端点检测技术、传统时频分析技术和传统分类方法的鲸点击信号识别与分类方法。对鲸点击信号进行小波变换,设计算法对小波系数矩阵中的有效系数区域进行自适应估计,提出了一种基于有效系数区域的时频特征提取算法以自适应提取鲸点击信号的持续时间和能量分布特征。以抹香鲸点击、长鳍领航鲸点击、噪声干扰和人工声呐干扰信号作为实验数据,对该识别与分类方法的有效性进行了实验验证。4、提出了一种基于卷积神经网络的鲸哨声信号识别与分类算法。基于卷积神经网络强大的数据学习和特征抽象能力,分别设计了鲸哨声信号检测模型与鲸哨声信号分类模型,实现了端点检测、特征提取与分类过程中相关参数的自适应学习。基于PyQt设计了用户图形界面程序,实现检测与分类过程的可视化。以虎鲸和长鳍领航鲸的哨声信号作为实验数据,对该识别与分类方法的有效性进行了实验验证。实验结果表明,本文提出的鲸点击信号识别与分类方法和鲸哨声信号识别与分类方法分别在相应的实验数据集上获得了95%以上的检测正确率或分类正确率。本文提出的物种间鲸声信号识别与分类方法可应用于被动声学监测、被动声呐探测等领域。