雷达目标识别领域的研究已经有数十年的历史,对该方向的研究在理论上具有重大的意义,同时雷达目标识别的应用前景也非常广阔,尤其是在军事应用方面。目前,雷达目标识别技术已经积累了丰富的理论知识以及出现了一批卓有成效的研究成果,然而随着电磁环境的复杂多样化,干扰技术的不断升级,雷达目标识别技术面临的挑战日趋严峻。本文围绕相参雷达距离多普勒域目标检测问题展开,在得到海面实测距离多普勒数据后,深入研究适用于距离多普勒域的聚类算法以及获取能够反映不同目标本质信息的多维特征,最终完成目标识别。全文主要工作如下:第一章绪论部分介绍了目标识别技术的研究现状和发展趋势以及相参雷达特征提取需要解决的问题,并对本文所做的主要工作进行了概括。第二章研究聚类分析的基本概念及在距离多普勒域中的应用。主要介绍了聚类分析算法的基本定义,通过聚类算法的不同划分,介绍了目前应用较为广泛的各类聚类分析算法。针对不同类型的数据对象,聚类算法采用的目标函数以及距离函数大不相同。如何正确选取目标函数是聚类算法是否有效的关键,本文通过对不同应用领域聚类分析算法的分析,从中汲取有用信息,同时针对距离多普勒域自身的特点,分析聚类算法适用于距离多普勒域所面临的问题,最终提出了适用于距离多普勒域的聚类分析算法。第三章提出了幅度辅助的双阈值聚类算法。主要介绍了幅度辅助双阈值聚类算法的基本原理。就聚类算法各个环节,依次给出了边缘检测的原理、数据标准化处理的方式、同极化与交叉极化幅度信息在距离多普勒域中的应用原理、粗聚类过程、二次聚类过程。算法利用距离多普勒域距离特征,多普勒特征以及幅度特征完成数据的聚类,边缘检测算法的应用为聚类提供了限制条件,同时降低了算法的运算复杂度。算法自适应性较强,适用于距离多普勒域数据的聚类。第四章研究了目标多维特征提取技术与特征可分性分析。主要介绍了特征提取的意义和方法以及SVM的基本理论,给出了用于目标分类识别的多维特征,如幅度熵、分散系数等等,最后利用反舰雷达实测距离多普勒数据通过SVM算法对特征的有效性进行了验证。第五章对本文内容进行了系统的总结,并描述了本文工作的不足以及对下一步工作的展望。