建设“海洋强国”的提出,对海洋作战领域提出了更高的要求。在作战流程中,当声纳发现目标后,需要准确的对不同目标进行判别,在判断需要进行作战行动后,需要在实施行动之前对作战的效能进行预估,以结合决策算法调整方案,使作战效果达到最优。并且在作战行动结束之后,也需要对作战行动的效能进行评估,为武器的设计方案与使用规则、作战方案的制定提供依据。本文基于以上思路,对基于神经网络算法的目标判别与作战效能评估进行了研究。本文完成了基于神经网络算法的目标判别研究。对舰船辐射噪声与高速运动小目标辐射噪声进行了建模仿真;阐述了MFCC(Mel Frequency Cepstral Coefficients)特征提取方法的原理,提取了仿真的信号的MFCC特征;对BP(Back Propagation Algorithm)与RBF(Radial Basis Function Algorithm)两种神经网络算法进行了理论的阐述,运用BP和RBF算法对三类目标噪声进行了判别能力的仿真分析;使用公开的数据,完成了基于神经网络算法的四类舰船辐射噪声与两类高速运动小目标噪声的判别。本文完成了基于神经网络算法的作战效能评估研究。首先采用WSEIAC(Weapon System Effectiveness Industry Advisory Commission)方法对作战系统的作战效能进行了研究。阐述了WSEIAC效能评估方法理论,对直航鱼雷系统进行了建模,并对影响系统作战效能的因素进行分析。其次构建了基于BP算法与RBF算法的作战效能模型,利用WSEIAC方法生成仿真数据,在BP算法中,对各因素对算法性能的影响进行了探讨,针对BP算法受初始值影响较大、易陷入局部极小值的问题,利用遗传算法和粒子群算法对BP算法初始权值进行了优化;研究了基于RBF算法的作战效能预估问题。