随着现代化战争的演变,对战场侦察雷达的要求也越来越高,在战场上,不但希望探测到战场上的目标分布,更希望通过雷达可以探测到周围目标的真伪属性、敌我属性、威胁等级等特征。战场侦察雷达的目标分类与识别一直是整个雷达目标识别领域的一个难点,因为战场侦察雷达的分辨率一般比较低,目标的特征信息有限,很难从中获得反映目标本身属性的信息。本文讨论了一种中断连续波体制战场侦察雷达的目标识别技术,主要工作包括了回波预处理、目标特征提取、分类器设计与识别结果分析三个方面。第一步完成了回波数据预处理,为目标特征提取打下了基础。首先分析了伪随机码的信号形式,然后通过数字下变频、匹配滤波器、旁瓣抑制、多普勒滤波器、距离门重排、功率谱估计等步骤得到雷达信号回波的功率谱,最后,通过恒虚警检测算法进行目标检测,根据目标检测结果进行特征提取。之后通过频谱波形熵、相对RCS、小波分解三种目标特征提取方法对目标数据进行了特征提取分析,其中,前面两种方法是基于频谱结构的特征提取方法,小波分解根据回波信号脉压后的积累数据,考察了不同目标回波在时频上的特征。最后,使用了最近邻分类器、支持向量机分类器、BP神经网络分别对特征提取的数据样本进行了识别分类,分析比较了三种分类方法的优势与不足,并使用组合分类器的方法将三种分类器组合,将最终的识别率提升到了90%以上。