摘要：利用空間目標(biāo)雷達(dá)散射截面(Radar Cross Section, RCS)序列開展空間目標(biāo)結(jié)構(gòu)識(shí)別是空間態(tài)勢(shì)感知的重要組成部分。文章針對(duì)RCS序列受目標(biāo)物理特性、姿態(tài)特性影響大,序列信號(hào)非平穩(wěn)特征明顯的問題,利用深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,DNN)算法解決空間目標(biāo)結(jié)構(gòu)特征識(shí)別的問題;針對(duì)特征提取不具區(qū)分度的問題,提出利用分形分析提取RCS序列的分?jǐn)?shù)維特征,并利用Fisher判決率對(duì)傳統(tǒng)特征進(jìn)行選取;介紹了DNN算法以及數(shù)據(jù)處理過程;最后,利用一組仿真測(cè)試數(shù)據(jù)對(duì)算法進(jìn)行了仿真驗(yàn)證。分析結(jié)果表明,DNN算法在解決利用RCS序列進(jìn)行目標(biāo)結(jié)構(gòu)識(shí)別這一問題中具有魯棒性強(qiáng)、識(shí)別準(zhǔn)確的特點(diǎn)。