雷达自动目标识别(Radar Automatic Target Recognition)主要是利用目标的一维高分辨率距离像(High Resolution Range Profile,HRRP)或合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行目标种类的自动判别。针对目标HRRP和SAR图像成像方式复杂,易受噪声影响,特征稀疏不稳定等特点,本文分别提出了基于稀疏降噪自编码器结合多层感知机(Sparse DAE-MLP)的HRRP识别深度模型和基于无监督深层网络的SAR图像识别模型,并将模型应用到相应的数据集上验证算法。主要内容如下:基于Sparse DAE-MLP模型的HRRP目标识别。由于传统的HRRP的目标识别主要采用了浅层模型或统计建模进行识别的方法,同时考虑到采用无监督深层网络进行特征提取时需要进行逐层预训练和调优,为了提高训练效率且利用深层网络的特征表示优势,本文提出了基于稀疏降噪自编码器结合多层感知机的深层网络的HRRP目标识别方法。首先对HRRP数据进行预处理,利用稀疏降噪自编码器学习HRRP信号的过完备非线性表示,提取的特征作为输入训练多层感知机进行目标分类。在仿真HRRP数据集上的实验结果表明,基于Sparse DAE-MLP模型的识别效果在低信噪比下有一定的识别优势。基于无监督深层网络的SAR图像的目标识别。由于传统的SAR图像识别主要采用了人工设计特征方法,考虑特征表示能力的有限性,本文分别提出了基于深度置信网和深层堆栈自编码器的SAR图像目标识别方法。首先,对SAR图像进行归一化操作,将预处理后的图像作为深度置信网的输入进行特征自学习,使用反向传播的方法调优整个网络进行目标分类;对于基于深层堆栈自编码器的SAR图像识别,将预处理后的SAR图像作为深层堆栈自编码器的输入进行特征提取,提取的深层特征通过训练SVM进行目标分类。在星载SAR舰船目标数据集上的实验结果表明,基于无监督深层网络的方法较其他浅层模型有更好的识别效果。