空间目标识别是导弹防御系统末制导信息处理的关键技术,红外目标识别作为主要识别手段,需要准确快速地从众多的真假弹头、诱饵、碎片等目标群中识别出弹头目标。红外目标的识别过程,是通过分析处理红外传感器获取的数据信息,掌握温度、辐射、轨迹、质量、结构等物理特性和飞行速度、微动等运动特性,综合信息完成对目标群的全面描述;再根据不同目标的特征差异性,设计分类器算法区分出重点目标,实现对空间目标的判别。论文主要围绕以下三个方面展开:第一,空间目标的红外特性分析。分析了空间目标的几何形状和温度等物理特征和飞行轨道、微动等运动特征,根据其差异性和对空间目标的区分能力,在测量分析和模拟仿真的基础上建立了红外辐射强度时间序列模型,用综合统一的一维时间序列数据简化了空间目标的表征和描述。第二,递归神经网络空间目标分类器设计。使用递归神经网络对包含了多种目标特征信息的红外辐射强度序列进行综合利用,对弹头、重诱饵、轻诱饵和导弹分解物等碎片多种类型的空间目标进行分类识别,降低对目标特征提取方法的依赖,构建快速有效的目标分类识别系统。经过公用时间序列数据集和仿真辐射序列数据集的实验测试,相比于多种传统算法,RNNs能够更快速有效地对时间序列进行分类识别。第三,扩展的递归结构空间目标识别算法设计。针对空间目标识别需要重点区分轴对称弹头目标和非轴对称干扰目标的任务需求,提出通过卷积操作、随机映射和双向传递组成的扩展递归结构BICORN-RNNs算法,提高学习复杂数据、应对受限场景的能力。通过仿真测试验证了在数据长度变化、噪声污染、数据缺损和重叠等多种数据受限情况下,扩展的递归结构组合体算法能够有效对空间目标进行分类识别,为导弹防御系统中自由飞行段目标识别系统的设计提供参考。