自动雷达目标识别作为一种自动目标识别技术,受到各国的广泛关注和重视,已成为各国未来武器的重要组成部分。采用不同体制的雷达作为观测手段,收集到目标的散射信息量会不同。使用高距离分辨率雷达可获得目标的高分辨距离像,高分辨距离像包含了更多的可用于目标识别的信息。本文针对高分辨距离像,对多种雷达目标识别方法进行了研究和讨论。其主要内容如下:◆讨论了雷达目标高分辨距离像模型及其特点◆研究了小波变换特征提取和最近邻分类器相结合的识别方法。分别用离散正交小波和Beylkin算法得到相应的小波系数。离散正交小波变换中提取的特征为信号的低频部分,在特征提取过程中已实现了消噪,具有较好的抗噪性能;而Beylkin算法利用样本序列所有圆周移位的小波变换的高频部分,提取的信号特征虽具有移不变性,有较好的识别率,但抗噪性能较前者差。◆研究了基于人工神经网络模型的雷达目标HRRP识别方法。BP人工神经网络强大的非线性处理能力,在解决复杂目标分类识别时有优势;小波神经网络针对BP网络的不足,将BP网络和小波变换相结合,在网络收敛、网络初始化方面弥补了BP网络的部分缺陷,其识别性能和抗噪性能与BP网络相比有所提高。◆研究了基于支持向量机(SVM)的雷达目标HRRP识别方法。支持向量机方法在理论上摆脱了BP网络的缺陷,同时实现了经验风险和推广能力的折衷,实验结果证明了该方法的有效性。