目标在宏观运动中同时存在自身部件的振动或转动,这类微动形式将会在雷达回波多普勒频移的基础上引起展宽,从中能够提取反映目标本质属性的微多普勒特征。相较微波探测,激光雷达具有极强的探测隐蔽性和抗噪性,短波长的激光更易探测得到显著的微多普勒频移,从而提升探测灵敏度和分辨率。利用激光探测微多普勒效应开辟了目标特征提取与分类识别的新途径,具有重要的研究和应用价值。论文围绕微动目标分类,重点建立了激光相干探测微动回波模型,提取了目标振动、转动微多普勒特征参量,完成了典型目标的分类。具体研究内容包括:1、探讨了激光相干探测微多普勒效应的原理,建立了目标振动回波模型,并采用物理光学法构建了扩展目标转动回波模型,定义并提取了异于传统线散射模型的次频带特征。根据微多普勒回波信号特点,给出了适用的时频分析方法。2、估计了目标振动特征参量并进行实验验证,采用循环自相关函数-逆radon变换结合密度质心算法的方法估计振动频率、幅度和相位,并提出了基于逆radon变换重构点极值搜索的频率修正算法。仿真和实验证明,该算法频率估计不确定度控制在0.5%以内,振幅估计误差优于微米量级,并可有效估计多分量参数。3、提出了一种基于时频图纹理特征的飞机目标分类方法,考虑典型转动部件对探测回波周期调制差异,提取了优化的GLCM和Tamura特征。仿真证明:对于不同飞机目标该特征具有较强区分度。结合扩展目标转动回波模型,给出了三种典型转动旋翼展弦比、根梢比和桨尖后掠角参数的微多普勒探测计算方法,并仿真验证了其正确性。4、测试了典型目标的分类效果,仿真估计由发动机引起的典型目标振动参数,选择K-NN分类器对坦克和汽车、飞机和导弹进行分类,证明可以有效区分不同目标。仿真提取了直升机、螺旋桨飞机和喷气式飞机转动部件回波特征,SVM分类结果表明:利用Tamura特征在SNR>10dB时可达98%以上的目标分类正确率,GLCM特征在SNR=0dB时分类正确率为96.4%,实现了低信噪比条件下的目标准确分类。论文创新点包括:建立了扩展目标转动回波模型,给出了典型旋翼形状参数量化探测计算方法;提出了基于逆radon变换重构点极值搜索的振动频率估计值修正算法,实验实现了多目标振动探测和参数估计;提出了基于时频图周期调制纹理特征的飞机目标分类方法,获得低信噪比条件下高分类正确率的结果。研究成果可以为新型体制的目标侦察识别提供技术支撑。