SAR作为一种主动式微波遥感装备,可以全天时全天候成像,具有高分辨率等多种优势。基于SAR的目标识别技术在国防领域具有重要的价值,成为军事侦察方面的有力工具,但是SAR作为一种超宽带通信应用设备,受奈奎斯特采样定理制约,面临采样率过高,数据量过大,用目前识别方法难以实现快速有效处理等问题。而压缩感知理论的出现为解决这一问题提供了很好的理论依据,指出在降低采样率的同时,可以高概率地将信号完全重构出来。本文将压缩感知理论应用于SAR目标识别中,并根据MSTAR数据库中的数据位于流形这一个特点,提出三个创新点如下：1.采用混合因子分析对数据进行流形建模,通过无参数的贝叶斯估计方法,从模型中学习出一个能够很好表示目标流形的字典,然后利用稀疏表示的框架进行了目标分类,并且取得了很好的分类效果。该算法并没有对带有方位角旋转的MSTAR图像进行复杂的预处理,使得识别框架在一定程度上得到了简化,而且对噪声有很强的鲁棒性。2.接下来针对压缩感知雷达系统,本文直接对其观测向量进行识别。通过挖掘其结构特征信息,并根据其结构信息进行建模,构建出可以准确描述各类观测向量特征的字典,使得待测的观测向量能够在该字典下稀疏表示,最后利用稀疏表示分类器对目标的观测向量进行识别,并取得了较好的识别效果。3.最后为了满足实际军事需求,实现快速准确识别目标,在前文针对压缩感知系统的算法基础上,提出一种快速识别的方法,由于前一算法时间大部分消耗在重构算法的优化迭代过程,本文在字典满足列满秩的情况下,采用一种不迭代的重构算法并结合QR分解来寻求问题的最优解,使得运算速度有一定提高。本文的工作得到了国家自然科学基会(No.60971128,61072106,61173090)和中央高校基本科研业务费(No.JY10000902001)的资助。