由于空间时敏运动目标会产生明显高于空间背景的红外辐射,分析其红外辐射信号是一种重要的目标分析手段。基于红外辐射信号的空间时敏运动目标分析主要包括关键点检测和目标类型识别。前者是为了确定目标状态发生变化的时间点,有助于确认目标当时所处的状态,也可以为识别目标类型提供信息。后者则是分析的主要目的,快速且准确地获得目标的类型有助于己方人员尽快做出合理的应对措施。本文将针对空间时敏运动目标的关键点检测及类型识别算法展开研究,研究的主要内容如下:（1）提出一种基于堆叠式LSTM网络的关键点检测算法,围绕该算法对标签方式、数据增强、损失函数和后处理方法进行有针对性的改进,并且提出一种新的评价方式以刻画算法在不同时间精度要求下的关键点检测能力。该算法在自建数据集上的精确率、召回率、F1分数和分割覆盖指标分别达到0.963、0.951、0.957和0.773。（2）提出一种基于关键点局部特征的目标分类算法。该算法利用已知的关键点位置,先提取信号关键点附近的时域、时频域及深度特征,再使用FRESH算法和主成分分析进行特征压缩,然后通过随机森林进行分类得到目标的类型。该算法在自建数据集上的精确率、召回率和F1分数分别达到0.972、0.967和0.967。（3）提出一种关键点检测及目标分类多任务网络,并将其部署到了自主开发的软件平台上。该网络通过多任务学习和关键点注意力结构,以接近前述单任务算法的性能,同时进行关键点检测和目标分类。该网络的关键点检测的精确率、召回率、F1分数和分割覆盖指标达到0.953、0.954、0.953和0.721,目标分类的精确率、召回率和F1分数分别达到0.982、0.980和0.980。