随着科学技术的迅速发展,无线传感器网络在军事、民用等众多领域得到广泛应用,为人们生活带来极大的便利。目标跟踪在无线传感器网络的应用中占据着重要的地位。在实行目标跟踪前,对目标进行有效的探测识别是极其重要的,主要包括准确实时地获取目标的类别及位置信息。目前,采用雷达等主动式探测器进行目标识别定位时具有较好的性能,但其隐蔽性较差,易被截获。相对而言,声探测器具有较强的隐蔽性,可进行被动式工作,且声音信号不受障碍物遮挡的影响,使得其在目标识别定位领域具有重要的应用价值。因此,本文重点研究了声目标识别和声源定位的关键技术,针对现有方法中的不足之处进行改进,主要研究内容包括以下四部分:(1)通过对近几年被动式目标探测技术进行讨论,明确了研究声目标识别和声源定位技术的意义。根据声目标识别及声源定位技术的国内外研究现状,对目前的关键技术进行分析,并指出存在的问题。(2)在声目标识别和定位前,需对信号进行降噪等预处理,通过对不同的小波降噪方法的基础理论进行对比分析,并对不同的小波阈值设定方法进行仿真验证,最终采用小波软阈值方法对实测目标信号进行降噪处理;(3)在声目标识别模块,主要分为两大部分:(1)特征提取,为了提取有效的目标特征,设计了一种基于时频域和LDA结合的特征提取方法,通过对声音信号的时频域特性进行分析,分别提取信号的时域特征(短时能量、短时平均幅值和过零率)及频域特征(小波包提取的各频带能量),将时域与频域特征进行组合,针对组合特征的高维特性,采用线性判别分析法(Linear Discriminant Analysis,LDA)进行进一步特征选择;(2)分类识别,基于所提取的特征向量,采用支持向量机(Support Vector Machine,SVM)和K近邻(K Nearest Neighbour,KNN)两种分类算法进行目标识别,针对公交车与小汽车两类目标的声音信号,通过对比不同的特征提取方法,仿真结果验证了本文所提出的方法具有较高的目标识别率;(4)声源定位模块,采用基于到达时间差(Time difference of arrival,TDOA)的目标定位算法,主要包括两部分:(1)时延估计,通过对常用的加权广义互相关时延估计方法进行分析,针对其不足之处,提出一种基于相位差与最大似然相结合的时延估计方法,在信噪比较低的情形下提高时延估计的精度;(2)位置估计,基于TDOA参数估计,采用CHAN氏算法实现声源定位,通过对模拟信号及实测数据进行仿真分析,验证了所提出的时延估计方法的有效性,提高目标定位的精度。