由于高分辨一维距离像能够获得目标的结构和形状信息,所以基于一维距离像的空间目标识别具有较大的理论和实用价值。本文针对空间目标一维距离像,在一维距离像预处理、特征提取及分类识别阶段进行了较深入的研究,并在空间目标多传感器融合方面作了一些工作,主要内容和创新点如下:1.对于空间目标一维距离像预处理和特征提取的研究。由于卫星目标一维距离像运动的特殊性,以及一维距离像的平移敏感性、幅度敏感性及方位敏感性,分别采用距离对齐、幅度归一化及一定角域内一维距离像的姿态不敏感特性来弱化其带来的影响。在预处理的基础上,本文提取了基于散射点位置和幅度的几种特征,包括中心矩特征、目标距离域特征、目标幅度域特征以及目标波形起伏特征。2.对于一维距离像分类器的研究。本文研究了基于统计学习理论的支持向量机算法,针对三类卫星目标数据,采用“一对一”多类支持向量机算法,由于特征量之间存在很大的相关性,选取了适当减少的特征量,不同的特征组合得到的实验结果也不一样,并与KNN法做比较,支持向量机是一种性能较优的分类器。3.对空间目标多传感器融合识别的研究。对空间目标多传感器的特性进行了分析,包括电磁散射特性、红外特性、轨道特性及光学特性。结合多传感器特性,提出一种分层识别的策略。这种分层识别的策略最大化地采用了各类传感器获得的目标信息,能够精确判别目标属性。最后总结了全文的工作,并对空间目标一维距离像识别和多传感器融合识别的前景进行了展望。