本发明公开了一种基于小样本机器学习模型的ads‑b信号目标识别方法，首先采集不同目标的ads‑b信号作为训练样本，并对数据进行预处理，构建训练集、验证集和测试集；其次，构建基于卷积神经网络和度量学习的小样本机器学习模型；然后，用训练集对小样本机器学习模型进行训练，并在训练过程中用验证集对模型进行验证，当验证训练达到设定准确率后，固化模型；最后，测试模型，输入实时的ads‑b信号，输出相应的分类标签，最终得到目标所属的类别。采用本发明提供的方法克服了传统机器学习方法需要大量标记样本训练模型的缺点，实现成本低，具有很高的实时性和高效性，可节约大量人力物力。