超宽带(简称UWB)信号具有数GHz的频谱、较高的分辨能力以及很强的探测能力,使得UWB技术在通信、目标识别、测距、定位等方面拥有着巨大潜力。UWB技术可以分为超宽带通信技术和超宽带雷达技术,UWB通信技术主要应用在无线传感网络、家庭高速数据传输等方面。UWB雷达技术主要应用在目标探测方面,如探测地下目标、穿墙成像等。在基于UWB目标识别方面,目前通常由两种途径实现,一种为利用UWB无线传感网络进行检测,但通常需要无线通信节点以及大而笨重的传感器,不仅设备多而且功耗大、价格昂贵,对于采用电池供电的传感节点相当不利；另一种是利用UWB雷达以及雷达网络,UWB雷达技术基于回波信息来检测目标,能够很好的完成目标识别,但是它不能够完成前向通信,需要借助于其它的通信技术。为了实现UWB通信的同时完成目标识别,本文从UWB通信技术出发,提出了一种基于模糊模式识别和遗传算法的脉冲超宽带目标识别方法,该方法不同于超宽带雷达的探测方法,而是从接收信号中提取与目标信息有关的特征参数,并引入模糊模式识别理论和遗传算法,根据特征参数构建目标预测函数,利用最大隶属度原则对目标进行检测分类。文章首先采用时域有限差分方法模拟了不同信噪比下4种室内超宽带目标识别场景,即视距场景、目标为木板的场景、目标为玻璃的场景、目标为混凝土的场景。从接收信号中提取出接收信号能量与附加时延两个参数用于目标识别,仿真结果验证了该方法能有效地识别目标。最后把上述方法应用在一个实际的UWB目标识别场景中,包括无目标场景、目标为木板的场景、目标为铁柜的场景,由于实际场景的复杂性与目标位置的多样性,通过从接收信号中提取接收信号的最大幅度、附加时延、RMS时延扩展、捕获接收信号85%能量的多径数目、峰值下降10dB的多径数目、接收信号能量、接收信号方差、Kurtosis值以及Skewness值等9个参数用于目标识别,仿真结果表明该方法在实际场景下依然能够有效识别目标。