超宽带(Ultra-wideband ,简称UWB)是一种具有低耗电以及高速传输功能的个人局域网通信技术,应用范围非常普遍。一般用于个人无线网络,家庭网络以及短距离雷达等领域。现阶段,超宽带雷达已经具备了目标探测和目标分析的能力。然而超宽带雷达在现实应用中是以分析雷达回波信号,无法完成通信的要求。而随着现代超宽带探测识别技术的发展,对超宽带通信和目标探测的融合提出了新的要求。同时,在超宽带雷达识别过程中,由于数据特征维度及分类器参数的影响,常常导致识别过程慢和识别准确率低等问题。针对于上述问题和课题要求,本文在UWB通信技术的基础上,提出一种结合S变换和改进人工蜂群算法的UWB目标探测识别技术。通过以上方法,实现了在UWB通信的基础上,通过分析UWB接收信号,能够快速准确的识别环境中的待探测物体。首先,本文分析了 UWB通信结合目标探测的实际意义。其次,根据实际要求,本文引入了时频分析和优化算法,并分析各个算法的可行性。通过时频变换将信号变换到频域进行分析,获取信号的时频矩阵,作为识别的输入矩阵。研究表明,直接将时频矩阵作为输入也能够完成识别任务,但会导致较长的分类时间,降低整个系统的效率。本文研究分析了常用的不同降维算法将时频变换后的矩阵进行降维处理,并对分类时间和正确率进行比较。在将数据输入支持向量机(SVM)分类器进行分类时,SVM的核函数的参数对识别结果仍然会产生影响。本文采用了改进的人工蜂群算法对核函数参数进行优化选取。基本的人工蜂群算法采取轮盘赌的方法计算优化过程中跟随蜂的选择策略。但这样会使得算法进化过程中,蜂群的多样性遭到破坏,从而使得蜂群算法变得早熟收敛。本文通过分析算法的选择策略,提出基于二次函数的概率选择曲线,保持了进化过程蜂群的多样性。实验结果显示,改进的蜂群算法可以获得更好的目标探测识别效果。本文提出的新的目标探测识别方法具有一定的实用价值和研究意义。