长摘要#br# 在对海上目标监测时，航行中的舰船目标在海浪作用下存在三维摆动和平动分量。非平稳运动分量使得合成孔径雷达（Synthetic Aperture Radar，SAR）回波近似为多分量多项式相位信号，导致三维转动舰船目标在SAR图像中呈现不同程度的散焦现象，进而使三维转动舰船目标识别准确率低。目前对静止舰船目标的识别研究已经能取得很好的效果，但是对于复杂运动目标的识别仍然没有较好的解决方案。本文针对SAR图像运动目标的复数域信息特征，将复数域卷积神经网络应用于SAR舰船目标识别。在设计网络构架时考虑对目标相位信息的深度挖掘，结合现有幅相型与实虚型复数域卷积神经网络的优点，提出了混合型复数域卷积神经网络（Mix-type Complex-Valued Convolutional Neural Network，Mix-CV-CNN），推导出Mix-CV-CNN前向传播与反向传播算法，并提出了基于Mix-CV-CNN的SAR舰船目标识别算法。三维转动舰船目标经过SAR成像处理后存在剩余相位信息，Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息，在不进行目标重聚焦的情况下，较好完成SAR复杂运动舰船目标的识别，降低了SAR复杂运动舰船目标识别的任务难度，具有一定的创新性与实用价值。实验表明，Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络、实虚型复数域卷积神经网络、VGG16和ResNet18识别性能均有所提高，实测数据识别平均准确率提高3.85%~6.37%。#br#