现代电子战争中的非协同目标识别十分重要，而神经网络凭借其很强的自适应学习能力和高速并行运算能力在该领域具有广泛的应用前景。本论文研究了神经网络技术在非协同目标识别中的应用。其主要内容和创新点如下： 1．阐述了神经网络的基本理论，从结构，数学表达和执行步骤三方面介绍了三类典型的人工神经网络——BP，RBF和Kohonen网络。 2．对Kohonen网络提出了如下改进：根据样本分布进行距离函数的选择，用邻域函数来改善自组织竞争性，提出基于全局映射的网络训练方法和基于二次映射的网络收敛方法；将Kohonen网络的自组织特性与RBF网络的高识别率特性相结合，构建新型的混合神经网络——KR Ⅰ和KR Ⅱ。 3．基于数字调制信号的特征直方参量分析，提出了采用BP和RBF两类网络进行数字信号调制识别的方法，并对其识别性能进行了对比分析，数值模拟结果证实了提出方法的有效性。 4．针对未知类别的观测数据，提出了基于Kohonen网络的动态聚类算法，实现了非监督式多源属性数据的关联处理。 5．针对多传感器的辐射源识别问题，提出了组合神经网络分类器的目标识别方法。组合神经网络由Kohonen，RBF，KRⅠ和KRⅡ这四类网络组成，采用线性回归的组合规则来确定组合网络的后验概率权值，加权平均得到组合网络的估计后验概率作为最终的属性判决判据，实现目标识别。 6．提出了网络输出的置信度计算公式，用置信度阈值作为拒识门限，优化了网络的拒识性能。仿真研究表明，组合神经网络提高了后验概率估计的准确程度，进而提高识别率，同时在拒识率上它也优于单个网络。