电磁法（Transient electromagnetic method,TEM）具有灵敏度高、抗干扰能力强等优点,被广泛用于未爆弹等地下金属目标的探测。但这种方法对有害的未爆弹和无害的金属弹片等都具有灵敏的响应,因此探测误报率高,导致后续的清理工作极为耗时,早前已有研究表明未爆弹与无害目标在特征响应衰减具有一定差异,但并未找到区分能力足够高的特征值对其进行分类。本文针对此问题,依据便携式系统和拖曳式系统对未爆弹与无害目标进行探测,利用目标体不同抽道的特征响应以及拟合参数构建特征值,并通过支持向量机（Support Vector Machine,SVM）与K-近邻算法（K-Nearest Neighbors,KNN）依据数据构建分类模型,最终实现准确分类。首先,介绍瞬变电磁法基本原理,给出未爆弹偶极子模型并分析未爆弹特征响应,说明实验所使用的便携式探测系统与拖曳式探测系统的传感器和系统结构。接着给出SVM以及KNN算法原理,介绍支持向量、超平面的概念与公式依据;基于特征响应和拟合参数研究目标体特征值选取和构建,选定训练数据集,根据不同的特征值,调用分类算法训练分类模型。最后,选用了典型的十二类未爆弹和十八种无害目标,在野外对目标进行不同距离、深度的埋放,根据便携式系统与拖曳式系统的探测数据,分别构建两种不同的特征值并训练分类模型,最后进行测试与噪声分析。实验结果表明,分别以特征响应响应抽道和拟合参数构建的特征值均能够准确划分数据集。基于SVM和KNN两种算法的双参数与三参数分类模型的准确率均达到95%以上。对比两种特征值的构建方法得到结论,基于特征响应分类具有速度快、处理方式简单的优点,但由于该方法构建的特征值仅取决于数十道抽道信号中的其中3道,因此偶然性较大,噪声与信道选取容易受噪声干扰在数据集中产生噪声样本,对分类准确性有显著的影响。而相比之下基于拟合参数分类中噪声对参数影响较小,特征值较稳定,具有较高的准确率与鲁棒性。