在雷达自动目标识别(ATR)领域中,由于高分辨率一维距离像(HRRP)包含距离像上诸如几何尺寸和散射等信息,且信号易于获取及处理,因而获得该领域内越来越多的关注。自香农开创了现代信息论研究以来,因其可以提高信息系统的有效性和可靠性,信息论也已经逐渐深入到ATR中。现有研究表明面对越来越复杂的数字化军事战争,信息论能有效提升雷达目标识别技术的性能。本文研究了信息论在HRRP信号处理及目标识别等应用中相关理论技术,主要工作包括:首先,本文针对异构雷达传感网(HRSN)获取的HRRP信号,利用分布式压缩感知理论(DCS)进行压缩与重构,首次提出了3种雷达传感网异构情境。本文把DCS中的第一类联合稀疏模型(JSM-1)应用到HRSN获取的HRRP信号当中,实现HRRP信号在每个传感器独立压缩,进而达到在融合中心联合重构的目的。针对HRSN中传感器的性能差异,本文提出了观测矩阵不同和观测值数量的相同、观测矩阵相同和观测值数量的不同以及观测矩阵不同和观测值数量的不同雷达传感网异构情境。最后对这3种情境进行信号压缩重构蒙特卡罗仿真和分析。仿真发现全傅立叶观测矩阵可以获得比全高斯观测矩阵高的信号正确重构率,而使用混合观测矩阵的信号正确重构率介于二者之间。其次,本文提出了基于最小平均电阻(MRA)距离准则的多次距离像样本HRRP目标识别算法。传统HRRP的目标识别基于单次距离像样本,而忽略多数雷达可以得到的多次距离像样本,该方法会因为目标的方位敏感性而导致正确识别率较低。本文提出的算法根据多次距离像,首先在生成模板和测试特征时采用平均像和方差像作为特征向量,然后基于最小平均电阻距离准则判断目标分类。蒙特卡罗仿真结果表明,相比最大相关系数模板匹配法(MCC-TMM)和最小相对熵(MKL)距离准则,本文方法能够显著提高目标识别的正确率。此外,本文还将MRA,MCC-TMM,MKL三种准则应用于雷达传感网当中,结果同样表明最小平均电阻距离准则可以提高目标识别的正确率。最后,本文针对HRRP融合进行目标识别时,出现的Dempster-Shafer(D-S)证据理论证据合成冲突问题,提出了基于信息论的合成规则改进。针对雷达回波受到其他雷达干扰,对多种HRRP识别算法进行融合时出现证据冲突的问题,本文比较了原始的D-S证据理论组合规则、Yager组合规则、Murphy证据源平均组合规则、证据距离函数加权组合规则以及本文提出的合成规则共5种方法。结果表明,本文提出的基于信息论改进的合成规则不仅考虑了证据间的关系,还利用了证据的内部关联特性,使合成的规则更符合实际情况。本文进一步拓展了信息论在HRRP目标识别上的应用,可以为现代复杂战场环境的目标识别提供新的技术途径。