随着现代战争的复杂化,具备高精准攻击性能的智能弹药在战场上的应用需求日益增加,随之对目标探测与识别技术提出了更高层次的要求。由于雾霾、雨雪及烟尘等恶劣环境会对目标探测造成严重干扰,导致单一探测技术的武器获取目标信息不完整,易出现漏测、误测等现象。针对该问题,本文采用毫米波/红外复合探测技术,充分发挥其抗干扰、反隐身、全天候等优势,对地面装甲目标的精确识别方法展开深入研究。首先,基于复合探测原理,建立毫米波多元红外复合推扫模型和弹目交会模型,对毫米波辐射计和红外探测器的视场布局进行设计。以实测59式坦克表面温度数据为基础,对坦克几何模型进行Fluent有限元分析,得到目标表面温度场分布。根据温度场分布情况,计算辐射模型,完成8mm毫米波辐射计和16元红外探测器响应模拟。其次,通过设计一种改进小波阈值去噪函数改善了传统硬阈值去噪函数因间断点导致信号产生振荡,以及传统软阈值存在固定偏差导致信号边缘模糊的不足,获得高信噪比、低均方误差、与原始信号高度相关的毫米波和红外信号。进而统计毫米波和红外信号特征量,采用一种基于自适应神经模糊推理系统（Adaptive Neural Fuzzy Inference System,ANFIS）的算法完成目标单模初识别。针对传统D-S证据理论算法在融合过程中出现证据冲突导致目标错误识别或无法识别问题,提出对证据源进行两次修正改进,得到新的基本概率分配值,完成自身数据融合。最后,为模拟弹体掠飞目标扫描过程,搭建外场滑索实验环境,完成多角度弹目交会探测实验。通过MATLAB对探测系统输出数据进行分析与处理,结果表明,ANFIS识别率达到83.47%,改进D-S证据理论识别率达到90.48%,较传统D-S证据理论算法识别率提高2.86%,较单模识别正确率提高约7%。