信息化战争背景下,现代雷达不仅能够提供目标的位置和速度信息,还能对目标进行成像获取目标的几何和姿态信息,雷达自动目标识别技术也随之产生。其中,由于我国复杂的海洋争端,舰船目标的识别对我国的领土安全有着重要意义。本文主要针对雷达舰船目标的识别进行了研究,由于当前研究单一地使用HRRP或者单一地使用ISAR图像进行识别的现状,本文主要对同时融合HRRP和ISAR图像进行舰船目标的识别的方法进行了研究,包括融合二者进行目标识别提高识别率的方法以及融合二者提高长度估计精度的方法。在融合识别的方法上,本文采用基于DS证据理论的融合和基于分类器选择的融合两种方法。在长度的融合上,由简单到复杂,先后利用零均值高斯分布、非零均值高斯分布对HRRP和ISAR的长度估计误差建模。利用训练集数据对高斯分布的参数进行估计,然后利用估计的概率模型通过最小均方误差估计方法,且对HRRP和ISAR的长度估计结果进行融合对ISAR图像长度估计结果与HRRP长度估计结果差别过大的样本,直接取HRRP长度估计结果作为融合结果。在雷达成像仿真数据集上验证结果表明基于分类器选择的融合方法能得到最佳的准确率以及融合后长度估计精度得到了明显的提升。首先,为了得到仿真数据集,本文对ISAR成像的原理,以及舰船目标的散射点建模和运动状态建模方法进行了阐述。同时,对海杂波使用K分布模型进行了仿真,从而得到有海杂波影响的仿真HRRP数据和ISAR图像数据,用于评价处理方法的性能。在融合处理之前,对于HRRP的长度估计和特征提取,采用CFAR检测得到目标在距离维上的范围,得到目标长度的估计值。在特征提取上,采用平移不变的双谱特征。在ISAR图像的长度估计和特征提取中,除使用传统CFAR方法进行目标区域提取外,本文还提出了利用U-Net网络从图像分割的角度进行目标区域提取的方法。最后,融合部分利用前述融合方法在仿真数据集上处理,验证算法性能。结果表明本文提出的分类决策融合方法的识别准确率有所提高,长度估计融合结果的误差也有所降低,说明了本文方法的有效性。