脉冲超宽带是一种利用短脉冲传输信息的短距离无线通信方式,具有分辨力强、探测能力强、抗干扰的技术优势,在目标识别领域中与神经网络的结合,使其在交通运输、医学、安全等领域取得了重大成果。然而,在一些通信兼目标探测的场景,如单兵作战、入侵检测的应用中,超宽带雷达技术只能完成目标探测,无法完成通信。因此,如何在脉冲超宽带通信的条件下结合神经网络技术实现目标识别是本文研究的课题。针对上述的研究课题,本文在做了大量仿真及实际测量分析之后发现,当在通信信道中含有不同类型的目标时,会导致接收信号呈现出不同的特性,利用接收信号的这些差异特性,能够提取表征目标的特征参数,通过引入神经网络,建立接收信号特征参数和目标之间的映射模型,以此达到完成通信及实现目标探测识别的双重目的。基于以上的思想,本文以通信为导向,在通信时收集接收信号,分析信号的特征参数,结合神经网络算法的自学习能力,辨别出通信信道中的目标类型。为了验证该方法的有效性,首先,本文运用时域有限差分法建立了室内理论仿真模型,对室内信号的传播及目标识别分析应用了该方法,并讨论了不同信噪比时的目标识别率,结果表明了该方法的有效性,并且发现噪声对不同类型的目标识别结果有着不同的影响；其次,本文运用测量设备P400在实际测量环境小树林中对通信接收信号进行了采集,去噪,参数提取,并考虑到实际测量环境的干扰比较大,对神经网络算法采用了粒子群算法进行了优化,解决了其初始参数的随机性带来的性能下降问题,进一步地完善和提高了方法的识别率及稳定性,最终仿真结果表明在实际的环境中该方法仍然很有效,且经过粒子群优化的方法具有更高的识别率。