随着科学技术的发展，雷达部署数量的增加，为了综合利用多雷达数据信息和获得高质量的点迹、航迹，需要对可以覆盖同一区域的雷达进行组网。通过对多部异地雷达进行组网的方式进行共同观测，不仅可以扩大观测空域范围，还可以提高观测精度。　　 如何识别多雷达的数据是关键。目前，处理多雷达数据的方法有：人工选主站的方式、基于数学方法的识别方式和基于知识的识别方式。但是，随着计算机技术和通信技术的发展，组网雷达系统必将朝着自动化和智能化的方向发展。　　 本文使用BP神经网络和SVM实现机器自动处理多雷达数据研究。　　 1986年，D.E.Rumelhart和J.L.McCleland提出了一种利用误差反向传播训练算法的神经网络，简称BP(Back Propagation)网络，是一种有隐含层的多层前馈网络，系统地解决了多层网络中隐含单元连接权的问题。　　 支持向量机(Support Vector Machine，简称SVM)是一种结构风险最小化原理，具有很高泛化性能的学习算法。　　 本文使用v-SVC和BP神经网络分别对组网雷达数据的机器识别进行研究，在“泛化性”测试中，v-SVC的识别正确率为100％，而BP神经网络的识别正确率为66.67％，在此，v-SVC较BP神经网络有更好的“泛化性”。研究结果表明，基于v-SVC组网雷达数据的识别是可行的。