机载激光雷达是一种主动遥感测量工具,在地形测量、大气监测等方面得到广泛应用。其中条纹管激光雷达由于其探测灵敏度高、具备全波形采样能力、数据获取率高等特性而备受关注。条纹管激光雷达测绘时得到大量的回波数据,但同时面临的问题是如何有效处理数据,从中获取需要的信息。因此选用合适的分类技术对回波数据进行加工,提取有用的信息,具有十分重要的意义。神经网络具有自学习、自适应等优势,可实现高度并行处理,在图像分类等领域发挥着重要作用。本文采用神经网络对条纹管激光雷达原始回波信号进行分类处理,获得建筑、平地、坡地和植被等四类地物目标的分类结果。通过对四类目标的典型回波信号对比分析,选取了7项特征作为分类依据,分别是面积、圆形度、连通域个数、灰度标准差、灰度均值、长宽比和质心。在此基础上构建了BP神经网络分类器。从原始回波信号中选取合适的样本,进行特征提取,将信号特征作为输入数据输入BP神经网络分类器。分析了自适应学习率算法、动量梯度下降法、LM算法等6种改进的BP神经网络训练算法,经过对比试验,确定了LM算法作为本文的BP神经网络训练算法。经过多次试验确定BP神经网络模型的隐含层神经元数量、迭代次数等各项参数,对BP神经网络模型进行监督训练和测试,实现了对原始回波信号分类处理的功能。使用混淆矩阵和Kappa系数对搭建好的BP神经网络分类器模型的性能进行评价,分类准确度为96%,Kappa系数为0.95,表明分类器的预测分类结果与实际分类结果具有较好的一致性。最后使用此分类器对条纹管激光雷达外场飞行试验采集的回波信号进行了分类。