脉冲超宽带(UWB)技术是一种利用高频率脉冲信号进行通信的短距离无线通信方式,具有日标识别率高、抗干扰能力强、多径干扰小、被侦听或者截获概率小等特点,使其在军事侦察、智能识别等领域有着广泛的应用。然而,传统的超宽带目标识别领域中常用的超宽带雷达技术只能通过分析回波信号完成目标探测功能,不能满足一些目标探测识别场景中需要在完成通信的同时实现目标探测功能的要求。因此,本文提出了一种基于极限学习机的超宽带目标探测识别方法,能够通过分析超宽带接收信号进行目标探测识别。此方法基于超宽带目标识别中的接收信号,利用超宽带信道中不同物体对接收信号波形造成的影响,通过信号分析提取出不同信号的特征,以这些特征作为判定不同目标物体的参照系数实现目标识别的功能。在实现超宽带目标识别的同时,超宽带通信并不中断。此方法能够同时实现超宽带目标识别与超宽带通信两项功能。之前已经有研究可以通过分析超宽带接收信号的特征参数,辨别出超宽带通信信道中的目标物体类型。但是在上述超宽带目标识别领域的研究中使用的是前馈神经网络,学习速度较慢,需要大量的训练时间。而且这些研究是在几乎没有受到噪声干扰的条件下进行实验的,难以满足实际需求。本文拟提出一种基于极限学习机的脉冲超宽带目标识方法,可以在识别效果相当或优于神经网络算法的情况下,极大程度的减少前馈神经网络的学习时间。为了使本方法能在低信噪比环境中更加有效,本文优先对超宽带信号进行噪声抑制,使得本方法能够在长距离或者信道环境恶劣的环境下也同样有着良好的识别率。考虑到经验模态分解滤波方法的多分辨率和高自适应性的优势以及其在超宽带雷达技术中的成熟应用,本方法将利用经验模态分解滤波对低信噪比条件下的超宽带信号进行滤波与去噪,使得本文研究的脉冲超宽带目标识方法可以具有更长的适用距离以及更好的抗噪性能。