空间弹头识别在国家防御系统中占着至关重要的地位。中段是弹头整个飞行过程中最有利于目标识别的一个阶段。随着雷达技术的发展以及科技的进步,微动特征作为弹头运动的固有特征,越来越多的应用于弹头的识别中。窄带雷达具有探测距离远,对目标微多普勒特征敏感等优势,因此具有极大的识别潜力。根据上述背景,本文基于弹头的微动特征,通过卷积神经网络进行训练,并不断改善网络结构以及增加有效特征来提高对弹头的几何结构和进动参数的估计精度,为进一步准确识别目标提供保证。本文主要通过以下几部分来介绍基于卷积神经网络的弹头参数估计的方法:第一部分首先对弹头进行建模,推导了弹头自旋、进动和章动的理论公式,并介绍了短时傅里叶变换和魏格纳分布两类最常用的时频分析方法。第二部分首先基于等效散射中心理论,对平底锥、柱体锥和裙锥三类弹头的等效散射中心进行了分析。推导了弹头飞行过程中姿态角的变化规律,得到了平底锥、柱体锥和裙锥三类弹头由于进动产生的微多普勒理论曲线。其次介绍了卷积神经网络的理论,给出了本文的卷积神经网络架构。最后给出了平底锥、柱体锥和裙锥三类弹头参数估计结果。第三部分研究了如何进一步提高平底锥、柱体锥和裙锥三类弹头参数估计精度。对卷积神经网络的损失函数进行了改进,提出了加权损失函数。然后考虑对多极化和多视角的利用,提出了加权双通道卷积神经网络和加权双层卷积神经网络。最后将两者进行有效结合,进一步提出了加权双层双通道卷积神经网络。