赋予雷达智能化，使其具有一定的目标识别能力，是当今雷达技术发展的一个方向。由于雷达目标识别中环境的复杂性和目标的多样性，使得雷达目标识别系统的设计面临严峻的挑战。雷达目标识别是一个难度较大的复杂模式识别问题。 本文以某型岸基对海警戒雷达目标识别系统的研制和开发为背景，针对雷达目标识别的具体情况，开发了利用贪心算法的特征选择软件模块，保证了特征选择的有效性。从模式识别本身对训练样本集的要求出发，给出了基于频度统计函数重抽样的样本选择方法，一定程度上消除了冗余样本和奇异样本给分类器的学习、训练和分类识别带来的不良影响。为了解决复杂的模式环境和大样本集给雷达目标识别带来的分类器网络结构难以确定的问题，本文提出了一种结构自适应层次化SOFM分类网络，该网络算法基于样本集的类别可分性判据和网络输出矩阵奇异值分解进行构造，为神经网络在实际应用中实现结构自适应提供了一种有效的解决方案。 以本文提出的特征选择和样本选择方法所选定的特征和样本数据为基础，对结构自适应分类网络构成的识别系统进行了基于实际数据的测试和性能分析。测试结果表明，在大样本量和复杂模式背景的情况下，本文提出的算法使雷达目标识别系统具有稳定可靠的识别性能。虽然样本选择和网络结构自适应算法是在分析雷达回波数据特性基础上提出的，但其基本思想并不依赖于具体的应用背景，具有一定的推广意义和实用价值。