雷达在军事科技进步过程中地位稳固攀高,扮演着侦测敌方作战意图动机的眼睛和耳朵。传统雷达站由雷达站值班员对雷达目标数据进行手动记录,对特殊机动状态的目标批号根据作战经验进行标注和汇总,而指挥员则需依据记录信息准确地判断出目标航迹类型以快速应对敌方的作战意图,值班任务完成后需要生成特定格式的值班日志和任务报告。因为目标和雷达数据接收的时间点不固定,极易造成人为疏忽遗漏;对于目标状态识别依赖经验,而且对目标进行回顾时存在记录数据不完整的问题,故面对瞬息万变的战时环境,在合理利用和管理雷达侦测数据方面对雷达站工作人员提出了挑战。所以设计实现一个雷达目标状态自动识别和管理系统具有实际研究意义。本文主要研究内容如下:（1）设计实现了雷达目标状态自动识别和管理系统,本系统基于Qt进行桌面软件开发;实现了可配置的网络报文解析技术用于雷达目标数据接收,提高了报文传输机密性;提出了目标状态自动识别算法辅助战时决策;并利用Qt实现雷达数据存储、数据回放分析、任务报告生成等重要功能,使雷达站值班流程清晰化、智能化、准确化。（2）提出了一种用户可配置的报文格式保密的网络报文解析技术。应对战场环境,机密数据或其他特殊原因不能提供给开发人员报文格式时,需要采用特殊的报文解析技术。相较于传统按字节解析方式,软件部署后,根据用户自行配置的报文数据起始位、终止位自动对数据进行解析,解决了在常规的软件开发中,开发人员需要了解网络报文的详细格式才能对网络报文内容进行解析的问题。（3）提出了一种针对于目标状态自动判别的分类识别算法。本算法根据距离、方位、仰角、时间等雷达目标侦测数据,采用滑动时间窗口提取具有时间相关性的特征点迹,消除特征属性之间的差异化后,根据提取特征点迹数量,分别进行目标机动状态识别和目标航迹类型识别,对于航迹类型识别,提出了一种基于Adamax并经过优化的卷积神经网络模型对目标状态进行分类识别,对比传统随机梯度下降法可以更迅速的更新模型权重,进一步提升了模型收敛性和经验性能。并通过实验对比主流目标识别算法,该模型拥有更高的准确率和识别速率。