随着现代战场环境日益复杂化,信息化技术的提高显得异常重要。目前各国争相发展了先进的弹道导弹突防技术,以弹道中段为例,导弹会释放多种诱饵并且伴随各种微动特性等,形成一个复杂的场景。反导系统的主要任务就是准确及时地识别出真弹头和假诱饵等,以便防空导弹准确拦截。反导系统探测目标的设备是雷达,本文所研究的内容就是仿真反导系统雷达接收回波信号,并准确把不同类型目标区分的过程。主要工作如下:(1)研究了复杂场景的弹道中段及运动的建模。建立了八种真假目标类型,并模拟了弹道导弹的中段运动过程,包含弹道轨迹和不同目标的微动特性。(2)研究RCS序列信号的生成及特征参数的提取。首先是对八种目标建立了静态RCS库,然后结合弹道中段轨迹运动特性仿真生成了所有目标的RCS序列,并提取RCS序列的10种特征,以便后续基于特征参数进行目标识别。(3)研究HRRP信号的生成及特征参数提取。利用CST软件仿真获取了八种目标的的全角域HRRP数据,HRRP需要做能量归一化。再结合RCS序列生成,编写了一款目标信号数据库生成GUI软件。使用PCA、LDA算法提取特征参数,以便后续进行目标识别。(4)分别研究基于特征参数和基于深度学习的目标信号识别。一方面,基于特征参数的目标识别主要采用逻辑斯蒂回归(LR)、随机森林(RF)、支持向量机(SVM)三种分类识别算法,对RCS序列和HRRP信号分别在不同样本数和不同信噪比条件下进行目标识别实验,实验发现样本数越多、信噪比越高识别准确率越高。另一方面,深度学习技术在语音识别、文字识别、图像识别等领域大放异彩,是当前十分火热的一个方向。雷达信号和语音信号类似,所以我们可以尝试用深度学习算法做本文场景下的目标识别。本文研究了MLP、GRU、Bi-GRU、CNN、FCN以及Res Net18等网络算法使用。其中,本文设计Res Net18在所有的识别算法中,对雷达信号的分类平均准确率最高。