雷达目标识别技术经过了几十年的发展,从最初的低分辨雷达对目标类别的识别到现今的高分辨雷达能够对目标的具体型号进行分类,其已成为现代雷达技术的重要研究方向。匹配追踪是1993年提出的一种自适应的非线性分解方法,能够对信号进行特征提取及时频分析。流形学习是最近十年来发展较为活跃的一种机器学习方法,其旨在发现嵌入在高维数据空间中的低维流形,进而用于维数约简或数据可视化。本文在前人的研究工作的基础上,把匹配追踪和流形学习方法的研究和雷达目标识别相结合,并对先前的方法进行了进一步的研究和改进。主要研究工作如下：1.针对目标时域散射场回波的潜在特性,研究基于波原子的信号特征提取方法。不同于传统的Garbor原子库,基于信号的回波特性构造了基于波前和谐振原子的过完备字典库。实验结果表明仅用少量的波原子就能够表示出目标的主要特征,同时,力法具有的抗噪声性能。2.在利用匹配追踪提取特征的基础之上,利用矢量量化方法构造观察时所用的代码本；同时根据一定方位范围内,目标的电磁散射特性基本保持不变,从而构造隐式马尔科夫链模型用于目标的分类。实验结果表明算法具有较好的识别性能。3.在刘流形学习方法介绍的基础上,对邻域保持投影算法进行改进,提出一种邻域保持鉴别投影算法,其在保持局部拓扑结构的同时,利用样本的类别信息,最大化类间散射矩阵的同时,减小类内散射矩阵,从而使算法具有更好的识别性能。同时,为了更好的解决非线性问题,通过引入核函数对邻域保持投影算法进行了非线性扩展,并在构造邻域时分别从类间和类内进行选取,进而得到类内权值矩阵和类间权值矩阵,从而得到核鉴别嵌入算法。实验结果证明了提出的算法的优越性能。