自动目标识别是现代雷达系统的重要发展方向之一,低分辨雷达信号的目标识别,主要依靠极化信息、回波波形、多普勒等信息对目标进行识别,如进行快速、慢速、大目标、小目标、空中目标、水上和地面目标的简单分类,但不能进行目标具体型号的识别。本文主要对基于低分辨率战场侦察雷达体制的自动目标识别技术进行研究,所采用的方法是用支持向量机做分类器。主要进行了如下几方面的研究:首先,通过分析人-车目标和车辆目标中的卡车-坦克目标回波信号的特性,找出比较利于区分的目标特征,并按照网络训练的要求提取为特征向量;用SVM分类器对人-车目标以及卡车-坦克目标进行分类识别,并与ANN分类器的性能进行对比。其次,分析人-卡车-坦克三类目标的特征,提取了能用于网络训练的组合目标特征向量,用ECOC和MOC编码算法的SVM进行三类目标的分类识别,验证用哪种算法的分类效果最优。接下来,基于直升机目标识别的军事背景和需求,分析了低空慢速飞行的直升机回波信号模型,将其时域存在的调制特性,作为与战场地面运动目标的差异,提取特征向量,并采用SVM进行目标的分类识别,给出仿真实验,检验识别效果。最后,基于对目标二分类和三分类的研究,对多类战场目标的识别问题提出了总体方案,并对最优方案进行初步的探讨,力求为进一步工作指出方向。