雷达自动目标识别系统根据目标散射回波提取目标的形状、姿态、表面材料的电磁参数等特征信息,从而对目标进行有效的识别。雷达自动目标识别是军事指挥系统的核心部分,也是一个综合电磁散射理论、雷达系统理论、现代信号处理方法以及人工智能技术等多学科领域的前沿课题　　 当前,雷达自动目标识别的关键问题和研究热点包括:一、雷达目标的散射特性和特征提取;二、分类算法的设计与优化;三、多传感器信息融合技术的应用及改进,以综合多体制雷达或多分类方法的决策信息,得到稳健的识别效果。　　 本文针对以上三个方面的问题分别进行了研究和分析。主要工作内容包括:　　 (1)综合国内外目标散射特性的研究成果,目前最有希望完全解决目标识别问题的方法是综合全极化技术和高分辨率识别技术。本文应用时域有限差分方法(FDTD)仿真计算四类目标的电磁散射,提取目标一维高分辨率距离像以及宽带去极化系数作为特征矢量,并采用基于主成分分析(PCA)的特征提取方法预处理特征样本数据。　　 (2)粒子群优化算法(PSO)是一种高性能智能优化算法,容易实现,鲁棒性强,对复杂线性和非线性问题均具有较强的寻优能力。本文分别基于相关匹配算法和聚类分析算法设计分类器,并针对相关匹配算法工作量庞大的问题,以及K均值聚类算法收敛性较差的问题,引入粒子群算法对两种分类器进行优化,极大地提高了分类器的性能和效率。　　 (3)Dempster-Shafer证据合成理论是当前在数据融合领域中最普遍应用的方法。但是,当各证据出现严重冲突时,传统的D-S理论不再适用。依据证据间的冲突或支持关系对证据进行加权处理,是解决传统D-S理论困难的有效办法。本文分析证据Jousselme距离冲突衡量标准的不完善性,提出采用证据相关系数作为新的冲突衡量标准,通过对目标识别准确率、识别可信度和抗噪声性能的仿真分析,验证了相关系数作为冲突衡量标准比Jousselme距离更完善、更可靠。