雷达自动目标识别技术在军事和民用上拥有巨大的应用价值。高分辨距离像(HRRP)是雷达目标回波沿距离维的分布,它可以反映出目标的结构信息,并且具有获取时间短,处理相对简单等优点,在雷达自动目标识别领域具有良好的应用前景。目前绝大多数基于目标高分辨距离像(HRRP)的目标识别方法均可纳入基于统计模型的识别方法范畴,在这个框架下,不同的目标特征数学模型建立方法代表了不同的分类识别算法。本文主要围绕HRRP距离分辨单元回波幅值统计模型的建立展开工作。针对HRRP各距离分辨单元回波幅值统计分布的复杂性,本文分别运用参数化概率密度估计方法、非参数化概率密度估计方法以及半参数化概率密度估计方法,对HRRP距离分辨单元回波幅值分布统计建模。首先对传统的参数化估计方法和非参数化估计方法进行理论分析,将其运用到HRRP的识别中。同时通过实验分析,直观地比较了参数化方法和非参数化方法的优缺点。在此研究的基础上结合半参数化概率密度估计思想,将Gamma模型分别和两大非参数化方法Parzen窗概率密度估计、SLC概率密度估计相结合,得到了基于Parzen窗半参数化概率密度估计的HRRP识别方法和基于SLC半参数化概率密度估计的HRRP识别方法,这两种方法将HRRP各距离分辨单元回波幅值统计分布模型统一起来,达到了概率密度估计中参数化方法和非参数化方法优缺互补的目的。并通过实验验证,证明其具有良好的识别性能。