合成孔径雷达(Synthetic Aperture Radar，简称SAR)自动目标识别(AutomaticTarget Recognition，简称ATR)技术在军事战争中起重要作用，已成为国内外研究的热门课题。近些年来，雷达目标识别在特征提取、目标模式分类、目标识别算法的实现等技术领域取得了不同程度的进步，已成功应用于星载和机载合成孔径雷达地面侦察、精确制导等领域。 本文概述了自动目标识别技术的发展现状，简要介绍了SAR自动目标识别系统构成。重点在SAR目标特征提取及分类器设计上进行了深入的研究。在特征提取方面，研究了独立分量分析(Independent Component Analysis，简称ICA)的SAR目标特征提取方法，并将其与主分量分析(Principal Component Analysis，简称PCA)方法进行分析和比较。在分类器设计方面，详细分析了Boosting分类器的设计原理，讨论了Boosting的代表算法—Adaboost，分别给出了基于Adaboost.M1和Adaboost.M2的SAR自动目标识别方法，取得了很好的分类效果。论文还分析了Boosting分类器与神经网络分类器、支持矢量机(SVM)分类器的关系，对它们的分类性能进行了分析和比较。基于实测SAR目标数据的实验结果表明，Boosting分类器对SAR目标方位角精度的要求低，在方位角未知的情况下依然有很好的分类性能，鲁棒性高，并具有很好的泛化特性。