雷达高分辨距离像是目标沿雷达视线方向上的投影,包含目标丰富的结构信息,且具有易于获取的特点,因此基于距离像的识别有着实际的意义。有效的识别特征能够以较小的代价获得较高的识别率;而多种信息的利用能够提高距离像识别性能;并且在实际应用中训练样本通常不是一次性获得的,而是在应用的过程中逐步获取的,因此研究快速有效的增量学习算法也是很有必要的。本论文主要研究内容为距离像平移不变特征的提取、多极化多特征信息的融合利用,以及(核)主分量分析、线性鉴别分析算法的在线扩展。论文的主要工作如下:1)针对距离像在识别中的平移敏感性及维数缩减问题,首先利用零相位表示法对距离像进行自对齐,消除其平移敏感性,然后利用离散余(正)弦变换进行特征压缩,得到了易于扩展且维数低的识别特征;由于单个距离单元中往往包含着多个散射点,闪烁效应通常会导致距离像的幅度随方位变化而剧烈起伏,因此通常认为幅度包含较少的鉴别信息,而我们通过将距离单元按照幅度大小排序获得了只包含幅度信息的平移不变特征,实验表明距离像的幅度也是一种重要的鉴别信息。2)双谱在距离像的识别中是一种得到广泛应用的平移不变特征,但双谱过大的特征维数限制了它的应用。本文给出了两种双谱降维方法,一是直接截取其低频成分作为识别特征,因为基于Fisher判别率的实验发现具有最优判别率的频点主要集中在双谱的低频区域;另一种则是利用奇异值分解对双谱矩阵进行分解,将奇异值以及大奇异值对应的奇异向量作为识别特征。3)多极化距离像能提供更多的目标信息,而距离像不同的特征同样包含着不同的鉴别信息,本文将这些信息利用D-S证据理论有效结合起来,使距离像的识别性能有了很大提升;最近邻特征线分类器能有效解决距离像的识别性能与模板数量之间的矛盾,但其运算量过大,因此提出在距离像的局部方位区域进行模板扩充,有效减少了分类器的运算量,并利用数据加长技术进一步提高了距离像的识别性能。4)详细分析了CCIPCA算法,指出它实际上是幂法的在线扩展形式,在此基础上给出了一种增量的BDPCA算法;并对子空间投影算法进行了简化,首先利用特征向量的特性减小了该算法的运算量,然后利用大特征值及对应的特征向量对协方差矩阵进行近似,使得算法运算量进一步降低;而基于幂迭代的增量线性鉴别分析算法则具有运算小、估计精度高的特点。5)核主分量分析能够利用核函数将低维特征转换到高维特征空间,从而提高目标的可分性,但它的运算量随着样本数量的增大而急剧增加,因此本文首先给出了一种比经典算法具有更简练形式的核主分量算法,然后在该算法的基础上基于近似协方差矩阵给出了一种快速有效的增量核主分量算法。