超宽带(Ultra wideband,简称UWB)技术是近年短距离无线技术中研究的热点,由于其信号具有穿透能力强、定位精度高以及出色的抗干扰能力等特点,因而广泛地应用于通信、日标探测等领域。UWB技术的应用大体分为两类：一类是UWB通信技术,主要用于构建短距离的高速无线局域网、无线传感器网络等场合；另一类是UWB雷达技术,主要用于资源探测和定位等场合。为了保障通信功能的同时实现目标探测识别,本文提出了基于种新的神经网络-小波神经网络的UWB弱信号目标识别方法。不同于UWB雷达技术的目标探测方法,该方法在通信场景中分析和处理接收信号而非回波信号,从中提取代表目标的特征参数并选取有效的特征参数组成特征向量,然后通过小波神经网络的非线性映射能力建立起特征向量与目标之间的联系,从而实现通信与目标识别的双重功能。本文在理论仿真模型和实际场景中分别对设计的目标识别算法进行测试以验证算法的可可行性和有效性。首先,本文基于时域有限差分法建立了UWB室内通信理论模型。在此模型中,通过仿真获取不同目标物场景中不同信噪比下的接收信号,从中提取特征向量,然后利用小波神经网络进行目标识别。仿真结果验证了本文设计的目标识别算法的可行性。并在此基础之上分析了信噪比对识别率的影响以及低信噪比下小波阈值去噪对提高弱信号识别率的有效性。此外,本文也对小波神经网络中小波基函数、学习算法以及特征参数的选取对识别效果的影响进行了讨论和研究。其次,本文使用UWB通信设备P400建立了实测场景,从实测通信的接收信号中提取特征向量,然后利用小波神经网络进行目标识别测试,结果表明在干扰较大的测试环境中该方法依然可行但识别率和稳定性有待提高。为此,本文采用粒子群算法对小波神经网络进行了优化,经验证粒子群优化后的小波神经网络算法的识别率得到了提高且稳定性得到了加强。