雷达目标识别是现代雷达研究的重要发展方向。目前雷达目标识别在宽带高分辨雷达方面的研究已经取得很大的进展,而对于常规雷达的目标识别的研究更具有现实的意义。雷达散射截面积(Radar Cross Section,RCS)是目标电磁散射特性中最重要的幅度特性。本文针对空中飞机目标的分类问题,提出利用径向基(Radial Basis Function,RBF)网络对动态RCS特征进行分类辨识的方法。主要工作有以下几点。首先,研究雷达散射截面的基本理论及雷达目标RCS求解方法。考虑到目标的实测动态RCS难以获取,研究了一种目标动态RCS计算方法。本文以典型飞机目标作为对象,对其进行CAD建模并计算目标全空域的静态RCS值。在此基础上建立雷达坐标系与机体坐标系之间的转换规则,利用Matlab软件分析动态目标的RCS特性,获得目标RCS时间序列。其次,为提高雷达目标特征辨别效果,深入研究基于RCS时间序列的目标特征提取方法。分析目标RCS统计特征中各特征值的重要性,提取各类目标RCS时间序列中的位置特征、分布特征及散布特征,通过对RCS时间序列进行小波分解和重构,提取离散小波能量特征。引入类别可分性测度,通过定量分析特征在各目标集下的可分度,初步验证所提取特征的有效性。最后,深入研究RBF神经网络的分类机理,设计基于RCS时间序列辨识的RBF神经网络,以五类飞机的目标RCS时间序列样本作为输入向量,进行训练和测试。分别使用BP神经网络算法和K近邻算法设计分类器,通过与两种典型算法的对比,对本文提出的基于RCS时间序列的RBF神经网络识别性能作出评估。仿真实验结果表明该方法分类效果较好,为动态RCS特征的分类提供了新思路,对于雷达目标识别的发展有着较重要的意义。