雷达高分辨一维距离像包含了目标重要的结构和形状信息，并且拥有容易获取的优势。因此基于高分辨一维距离像的雷达自动目标识别技术研究有重要的意义和使用价值。本文主要针对高分辨距离像数据特征提取和选择问题展开研究。首先基于回波散射点模型，对高分辨距离像物理特性进行分析，重点分析了距离像回波数据的方位敏感性、平移敏感性和强度敏感性。针对数据敏感性问题，采用简便合理的方法对数据进行预处理，使其能够用于分类实验。接着对基于子空间方法的特征提取和特征选择方法进行探讨，对核Fisher判别分析(KFDA)降维方法深度分析，将其分解为核主成分分析(KPCA)和线性判别分析(LDA)两步降维组合的算法。受以上组合方式启发，本文通过对核主成分分析(KPCA)和线性判别分析(LDA)的降维思想分析，针对高分辨一维距离像数据提出一种新的组合降维方法。算法使用线性判别分析(LDA)和主成分分析(PCA)两种降维方法对数据组合降维，最后使用支持矢量机(SVM)分类器分类决策。仿真实验结果表明，这种组合降维算法处理的数据能获取很好的识别效果，并且有很高的降维效率。