声呐技术的发展在维护国家长治久安的军事领域与人民幸福安康的民生领域都具有举足轻重的意义。在军事上,探测目标的精度、速度的提升使得部队作战决策更加实时、稳定;在民生上,对海洋环境的认知提升让充分开发海洋资源成为可能。主动声呐目标分类作为现代声呐技术发展的重中之重,其原理为通过声呐设备发射声信号,信号遇到目标后反射回蕴含着目标特征信息的回波,再对回波信号进行分类处理的过程。但由于海洋环境混响严重、待测目标微弱及特征相似等因素,严重影响到主动声呐设备的分类性能,因此能够解决混响环境下相似目标的分类方法就显得尤为重要。据此,本文对基于混响环境下的水下相似目标分类问题展开研究,具体研究工作如下:首先,对稀疏表示分类方法在主动声呐目标分类中的应用展开研究。基于稀疏表示方法良好的抗噪性能与稀疏表示分类方法优异的分类性能,将稀疏表示分类方法应用于主动声呐目标分类问题中。利用混响环境下的水下相似实测目标回波信号,从分类鲁棒性、与经典方法对比两个维度对提出的分类方法进行实验比较,验证了稀疏表示分类方法在主动声呐目标分类识别方面的优异性能。其次,依据分数阶Fourier变换良好的抗混响性能,通过对目标信号进行分数阶Fourier变换时频域特征的提取,提出了一种多阶次分数阶Fourier域特征融合的主动声呐目标特征提取方法。利用混响环境下的水下相似实测目标回波信号,与时域信号、单阶数分数阶Fourier域特征,结合稀疏表示分类方法进行分类对比,验证了提出的主动声呐目标特征提取方法使得最终分类效果极大提升。最后,依据稀疏表示分类方法中限制稀疏系数提升主动声呐目标分类效果的可能性,结合字典学习思想,提出了基于LC-KSVD的主动声呐目标分类方法与基于FDDL的主动声呐目标分类方法。两种方法对稀疏表示分类过程中的稀疏系数进行限制,从而使得最终获得的字典也具备相应识别性。将算法应用于混响环境下的水下相似实测目标回波信号中,并结合多阶次分数阶Fourier域特征融合的主动声呐目标特征提取方法,通过与经典分类算法、稀疏表示分类算法、字典学习分类算法进行比较。实验结果显示,此算法在混响环境下的相似目标分类中展现出了极其优异的性能。