现代高分辨雷达的兴起为目标识别提供了新的途径,高分辨一维距离像是雷达目标自动识别的重要特征之一,它对目标姿态变化很敏感,只有通过进一步处理才能够实现有效的目标识别。本文主要研究了基于高分辨一维距离像的雷达目标自动识别问题,针对距离像的这种不稳定性,分别从平移不变特征量提取、一维距离像降维特征提取、以及距离像概率生成模型估计这三个方面研究如何利用高分辨雷达一维距离像进行目标识别。 首先阐述雷达目标识别的研究背景和意义,然后对现有的基于高分辨雷达一维距离像的目标识别典型算法作了分析并指出存在的两个关键问题,最后给出本文主要内容概要。 第二章分析了高分辨一维距离像原理和造成距离像易变性的各种因素,着重介绍了距离像的平移变化性和姿态敏感性。然后针对距离像的平移变化特性提出了矩平移不变特征的提取方法。 第三章中研究如何根据训练样本来选择和提取数学特征。首先简要介绍核方法的基本原理,然后分析了主分量分析(PCA)的降噪原理并将它用于距离像预处理中,分析了核主分量分析(KPCA)与核直接判别分析(KDDA)的特征提取能力,并提出一种KDDA的改进算法——加权KDDA,最后建立用KPCA和KDDA提取较大姿态角范围内稳定特征的雷达目标一维距离像识别框架,并对四类飞机目标ISAR实测数据的分类实验结果作了分析。 第四章中研究了基于距离像概率生成模型的目标识别问题。首先对混合因子模型进行了详细分析。然后针对距离像的姿态敏感性,我们引入混合因子模型来解决一维距离像的目标识别问题,提出了一种基于混合因子建模的雷达目标识别框架,在训练阶段,由从各个姿态角下获得的目标一维距离像样本构建目标的距离像概率生成模型,在应用阶段,利用该模型通过比较条件概率大小的方法判别目标类属。最后用以上方法对五类飞机目标缩比模型微波暗室数据进行实验,并给出实验结果。 最后总结了本文的研究工作,指出了需要进一步解决的问题。