作为现代战争中的关键环节之一,能否正确的对低空目标的属性进行识别对火力的分配与部署以及整个战场的态势有重大的影响。因此,有效的目标识别技术对于防空作战有着重要的意义。本文基于雷达?红外传感器信息融合技术,提出了一种RS─RBF的低空目标识别方法,达到了提升目标识别率的目的。首先,介绍了基于多传感器信息融合技术的低空目标属性识别的目的、意义以及国内外研究现状。在此基础上,确定了多传感器信息融合的级别,选择了信息融合的结构,并对目标识别的航迹关联和一些现有的目标识别算法进行了研究。其次,本文分别设计了BP神经网络和RBF神经网络两种低空目标识别模型。将待识别的低空目标的六种属性作为两种识别模型的输入向量,待识别目标的类型作为模型的输出向量进行训练和测试。仿真结果表明,RBF神经网络较BP神经网络更有优势。然后,对粗糙集的理论知识进行了研究,设计了基于RS?RBF的目标识别模型。该模型运用决策表属性约简技术对低空目标的属性进行了约简,达到了去除冗余信息的目的。将约简以后的属性作为RBF网络的输入,目标类型作为输出对网络进行训练和测试。通过实验对比RS?RBF方法比单独的RBF网络模型在进行目标识别时更加有效。最后,研究了基于最小二乘法的雷达?红外传感器信息融合系统,并在此基础上,对红外传感器和雷达探测到的角度和位置信息进行了融合,将融合后的数据信息作为RS?RBF目标识别模型的输入矢量,对低空目标武装直升机、轰炸机和预警机进行了识别。仿真结果表明,基于多传感器信息融合的低空目标属性识别比单一传感器目标识别率高、系统稳定性更强。