The classification of ships by their acoustic noise radiated at sea is one of the essential tasks carried out on board of a submarine. Several ship classifiers have been proposed in the literature, but none of them has an operative focus, mainly in relation to the data used, and the significant number of classes that occur in an operating environment. In addition to the academic contribution of developing a classifier closer to the reality of a submarine, this work also meets one of the demands of the development of the Brazilian nuclear submarine, an autochthonous classifier. Four classifiers are designed: multilayer perceptron (MLP), class expert committees (one based on MLP and other based on Support Vector Machines - SVM) and a hierarchical committee which is built up on expert knowledge on vessels. The input data dimensionality reduction is performed through the Principal Components of Discrimination. The classifiers were applied to two experimental databases: one from recordings of acoustic signals collected from passive sonars of submarines in operation (with 24 classes) and another from recordings of acoustic signals collected from a sonar passive platform monitoring the maritime traffic in a port region (with 31 classes).A classificação de navios através do seu ruído acústico irradiado no maré uma das tarefas essenciais realizadas a bordo de um submarino. Diversos classificadores de ruído de navios têm sido propostos na literatura, porém nenhum deles tem enfoque operacional, principalmente em relação aos dados utilizados e à significativa quantidade de classes que ocorre num ambiente operativo. Além da contribuição acadêmica de desenvolver um classificador mais próximo da realidade de um submarino, este trabalho também atende a uma das demandas do desenvolvimento do submarino nuclear brasileiro, um classificador autóctone. São abordados quatro classificadores: uma rede neural do tipo Perceptron de Múltiplas Camadas, um comitê de classes especialistas composto por redes neurais, um comitê de classes especialistas composto por Máquinas de Vetor de Suporte e um comitê de redes neurais dispostas hierarquicamente, construído com base em conhecimento especialista em navios. A Análise de Componentes Principais de Discriminação foi empregada no treinamento dos classificadores. Foram utilizados dois banco de dados experimentais: um oriundo de gravações de sinais acústicos coletados de sonares passivos de submarinos em operação (contendo 24 classes) e outro oriundo de gravações de sinais acústicos coletados de um sonar passivo monitorando tráfego marítimo numa região portuária (contendo 31 classes).