随着雷达在军事和民事上应用的不断深入,对雷达功能的要求也越来越高,因此,雷达目标识别技术成为现在研究的热点方向之一,基于高分辨距离像的识别技术更是研究的重点,并且发挥着重要的作用。高分辨距离像包含着目标散射分布的结构信息,为目标分类提供了有效特征。时频分析作为表示信号频率和信号时间变化关系的一种重要手段,其获得的时频域特征也成为模式识别中重要的特征之一。流形学习旨在揭示样本间固有的结构关系,在特征提取和维数约减方面具有广阔的应用前景。本文基于雷达目标高分辨距离像,研究不同的特征提取方法,用于进行目标识别。论文主要工作概况如下:1.研究了基于高分辨距离像的长度特征提取方法。对现有的几种长度特征提取方法进行对比分析,分别提出了一种自适应阈值法和一种基于双向滑动平均法的目标长度特征提取方法,并通过实测数据实验验证了该方法的有效性。2.研究了基于SVM的时频特征提取和目标分类。基于高分辨距离像的二维时频图进行目标分类可以实现最大程度上的信息利用,有助于提高识别性能。但二维时频图中包含有大量的冗余信息,因而研究如何从时频图中选取最具有鉴别力的时频特征非常重要。SVM的分类机制使其能够自动选取最优的时频特征用于目标分类,即:将特征选择和分类集为一体。通过实测数据实验,表明了SVM所选时频特征的有效性。3.研究了基于流形学习理论的距离像特征提取方法,对多种经典的流形学习算法进行分析,并将SKOLPP应用到雷达目标高分辨距离像识别中。该算法在LPP的基础上增加了样本的类别信息,并利用核函数推广到非线性形式,此外,所得到的投影特征之间是相互正交的。实验结果表明该方法性能良好。4.研究了基于统计几何特征的目标识别方法。采用统计的方法从目标距离像中提取出若干能反映一定的目标几何结构信息的物理量,包括:距离像整体熵特征、统计尺寸大小特征、强散射点个数特征、均值方差比特征、最大最小能量比值特征以及强散射点熵特征,用于目标识别。此外,为了充分发挥每个特征的优势,将这些特征相互组合,形成新的组合特征,用于目标分类。实验结果表明基于组合特征的识别结果相对于单个特征有较大幅度的提升。