近年来,小型无人机已被广泛应用于军事侦察设备检测、民用空中表演、森林消防监测、农业种植施肥等方面。但与此同时,无人机私自飞入航空领域扰乱机场秩序等行为对人民安全和国家经济造成了危害。因此,准确判断无人机类型对国家空防安全具有重要意义。目前,结合雷达技术,基于线性特征的无人机识别方法可以取得较好的效果。但在实际应用中,由于目标的复杂性,加之环境噪声的影响,目标数据分布中出现明显的非线性,本文通过引入核方法,针对非线性特征识别方法展开研究,主要工作内容如下:（1）提出了一种基于核主分量最大类别关联性特征的多旋翼无人机识别方法。该方法采用典型相关分析提取核主分量特征中与类别信息关联程度较高的特征,融合了数据的类别信息,改善了目标识别率。仿真实验结果表明,在信噪比为5d B的条件下,该方法的平均识别率较核主分量特征提取方法和线性主分量特征提取方法的平均识别率分别提升了约1.18%和6.1%。（2）提出了一种基于核加权最大间距判别特征的多旋翼无人机识别方法。该方法计算核空间中不同类中心向量之间的欧氏距离,选取关于欧氏距离的单调递减函数对类间散度矩阵加权,加强了相近类在求取最佳投影方向所起的作用,增强了相近类的区分能力,提高了识别率。仿真实验结果表明,在信噪比为10d B的条件下,该方法的平均识别率较核最大间距判别特征提取方法、常规核判别特征提取方法和线性判别特征提取方法的平均识别率分别提升了约2.13%、3.13%和9.99%。（3）提出了一种基于最优二维核主分量特征的多旋翼无人机识别方法。首先得到谱图样本在高维特征空间中的核二维主分量特征向量,从中抽取分类信息量较大的特征向量构成投影矩阵,得到分类性能最优的识别特征。同时,该特征保留了图像的空间结构信息,进一步改善了识别率。仿真实验结果表明,在信噪比为5d B的条件下,该方法的平均识别率较核二维主分量特征提取方法、核一维主分量特征提取方法和线性二维主分量特征提取方法的平均识别率分别提升了约1.34%、2.16%和4.14%。