雷达目标回波识别作为军事领域中关键的一个研究方向,其研究手段在近几年的不断朝着智能化、工具化的方向发展。人工神经网络作为一种强自适应性的智能算法,大规模并行处理、强容错性等特点使其很容易的被应用于雷达目标回波识别中。本文主要以Kohonen神经网络为基础对雷达目标回波的识别进行研究和实验,根据其良好的聚类效果、强自适应性和自组织的特点,提出了一种识别准确率比较高的S-Kohonen_bayes方法。首先,文章从实际问题出发,阐述了雷达目标回波识别所遇到的具体问题,提出采用Kohonen的神经网络方法进行聚类解决,并进行仿真实验。其次,根据聚类结果对Kohonen网络进行改进,引入两种比较实用的滤波对雷达目标回波的数据进行优化。通过仿真实验证明,滤波的优化效果十分显著,且其中的中值滤波器具有更好的实验效果。然后,为了对实验结果进行更好的改良,提出S-Kohonen_bayes的方法。使用两种贝叶斯决策的方法,从统计和决策的角度对实验结果进行优化。并且,在本章的仿真实验中加入Adboost强分类器,更大的提升了雷达目标回波识别的准确率。最后,用实地采录的雷达目标回波数据对本文提出的S-Kohonen_bayes方法进行效果验证。实验结果证明,本文采用的方法在雷达目标回波的识别上具有很高的准确率,并具有良好的泛化性能。