在军用和其它用途的短波无线电通信中,由于短波无线电通信信道自身的特点以及飞机舱内的环境特点,其噪声来源异常复杂,声学环境极其恶劣,信号质量一般来讲也很差。而目前对截获声音信息,进行飞机类型辨别的主要途径是采用侦听人员进行人工倾听,记录信息也采用人工方式。因此,短波无线电通信中基于空-地应答语音短语的飞机类型识别有着重要的军事意义。关于短波无线电通信中基于空-地应答语音短语的飞机类型识别,目前尚未有公开的相关文献报道。本文采用小波包分解抽取出飞机声信号的特征参数。小波包变换在信号的时频域处理上具有优越的性能,因此根据声信号小波包分解后在不同频带上信号能量特征不同的特点,本文提取出了有效的飞机声信号的特征向量。根据所要处理的声信号的自身特点,本文选择BP神经网络和支持向量机分别作为分类器来识别五种飞机的声信号。相比BP神经网络,支持向量机作为多类分类器更适合处理小样本,它有优秀的统计学习能力,并且计算量小,运算速度快,能满足实时处理的要求,不存在局部最优问题、过拟合问题及拟合不够问题,并且有更好的收敛性、可靠性。本论文的实验中,基于短波无线电通信的飞机类型识别的两种方法被提出来:小波包分解与BP神经网络的结合算法和小波包分解与支持向量机的结合算法。从五种飞机的分类识别的实验结果来看,小波包分解与支持向量机的结合算法有更高的识别率,更能够抽取出有效的飞机舱内噪声信号特征向量及有效地识别出五种类型飞机。