雷达目标识别技术作为雷达应用的关键技术之一,一直是研究的重点。使用高分辨率雷达对目标进行探测,能够得到更为详尽的目标结构信息,通过高分辨率雷达信号对目标进行识别是多年来的研究热点。典型高分辨率雷达信号有一维高分辨距离像和合成孔径雷达图像。本文在压缩感知理论框架下,研究基于稀疏表示和字典学习的高分辨率雷达目标识别方法,主要研究工作如下:1.介绍了稀疏表示理论和字典学习理论,研究分析了雷达目标的稀疏特性。首先对稀疏表示的求解模型、求解方法、应用方向和经典字典学习算法进行了介绍;然后对雷达目标的一维高分辨距离像和合成孔径雷达图像的稀疏性能进行了研究。2.针对传统字典学习方法处理速度慢的问题,结合协同表示模型,提出一种最小均方协同字典学习方法。该方法利用字典学习算法对稀疏系数进行更新并压缩字典规模,通过正则化投影方式对字典进行更新和计算残差值,提升了目标识别的处理速度和准确率。3.针对非线性数据难以表征的问题,结合核函数模型,提出一种动态核字典学习方法。该方法利用核函数将数据变成线性可分数据并对稀疏度进行自适应变化,提升了对非线性数据的处理能力和目标识别的准确率。4.针对稀疏表示在复杂问题上分类效果不佳的情况,结合机器学习模型,提出一种卷积稀疏编码与多分类器融合方法。该方法利用卷积字典学习对重构误差进行计算,并通过多分类器融合实现分类,提升了目标识别的准确率。