利用空中声目标在飞行过程中产生的声波，对目标进行识别是被动声探测系统的基本任务。目标识别技术属于模式识别理论的研究范围，其关键在于特征提取和分类器的设计。 小波分析作为一种全新的信号处理方法，它将信号中不同的频率成分分解到互不重叠的频带上，为信号滤波、信噪分离和特征提取提供了有效途径。因此本文在认真研究了小波分析方法的基础上，针对空中目标噪声信号，采取小波软阈值去噪方法，取得令人满意的效果。 针对四类空中目标噪声特性的不同和相似特征，本文提出了基于时域的自相关法特征提取和基于频域的最大熵谱估计的特征提取方法，并针对最大熵谱估计方法特征维数较大的缺点，应用了主分量分析的特征选择方法。三种目标提取方法在对空中目标声信号的特征提取均具有较高的可靠性，可作为分类器的输入。 在信号特征提取的基础上，本文应用三层神经网络和改进的BP学习算法对目标分类器进行了设计并且针对不同的特征提取方法，对分类器进行了学习训练，最后给出了分类识别实验的结果。 为论文方便起见，本文对所采用的四种空中声目标分别记为目标A，目标B，目标C，目标D。