雷达目标分类识别在防空反导、海上防御等国防军事领域内有着重要应用。雷达作为现代战争获取战场信息的重要工具,可以实时监控整个战场环境,对战场上的目标进行分类识别。分类结果用于态势估计与决策分析,可以有效提高我方军事战斗力和机动力。由于目前我国大部分现役雷达都是窄带低分辨雷达,提供的目标信息相对有限,通常将其运动信息(位置、速度、加速度等)、雷达散射截面积(Radar Cross Section, RCS)等目标特征用于目标分类。本文主要对基于运动信息和RCS特征的目标分类方法进行了研究,包括以下三部分：1.针对雷达目标跟踪分类过程中对于未知机动目标运动模型建模不准确的问题,本文提出了一种联合跟踪与分类算法,预先建立多个目标机动模型,通过在跟踪过程中根据新息反馈修正,对预先建立的多个模型进行概率分配,将目标根据其机动性进行分类,并且将分类结果辅助修正目标机动模型,在目标按照机动性进行分类的同时提升目标跟踪性能。2.针对部分目标在平稳飞行阶段没有表现出足够的机动特征致使上述分类算法分类识别困难的问题,本文提出了一种基于模糊逻辑推理的运动目标分类算法,利用Fuzzy数学知识,将目标的运动信息模糊化,通过专家经验生成模糊关系,将同一时刻的目标高度以及速度值归一化之后输入建立好的模糊逻辑推理系统,估计各类目标的分类概率。3.针对在目标分类过程中只依据运动信息的局限性,本文提出了一种基于运动信息与RCS信息分类融合的目标分类算法。算法首先基于目标的运动信息以及RCS信息分别进行分类,然后利用D-S证据理论在决策级进行融合分类,该分类算法充分利用了雷达回波信息,并且在融合的过程中对历史分类结果也进行融合,有效提高了算法收敛速度和鲁棒性。