合成孔径雷达(SAR)是一种高分辨率主动式相干成像雷达,它具有全天候、全天时、穿透力强等优点,广泛应用于军事和民用领域。SAR图像的自动目标识别模拟了人类的视觉、分析和分类过程,使用计算机来完成SAR图像特征的提取及分类,从而达到获取相关领域信息的目的。MSTAR是美国国防高级研究计划局和空间实验室提供的SAR地面静止军用目标数据集,该数据集含有多方位角、多仰角的三类SAR目标,是测试SAR识别算法的经典数据集。本文提出了一种基于主成分分析(PCA)和核主成分分析(KPCA)自融合的MSTARSAR自动目标识别算法。该算法首先通过PCA和KPCA分别提取原始样本的线性特征和非线性特征,然后依据加权最大间隔准则(WMMC)计算融合系数,并以线性组合的方式将所提取的特征进行融合,再使用遗传算法从融合后的特征中选出对分类最有用的特征进入目标分类环节。仿真中分别使用最近邻分类器和线性回归分类器对SAR图像提取的特征进行分类,得到仿真结果并对其进行比对分析。与传统的预先设定融合系数的特征融合算法相比,本文提出的算法通过建立最优方程求解融合系数,保证了融合空间内不同类之间的间隔最大,在一定程度上提高了目标的识别率。仿真实验中使用PCA、KPCA以及本文所提出的算法的目标识别率进行对比分析,结果显示本文所提出的基于PCA和KPCA自融合的MSTAR SAR自动目标识别算法具有更高的识别率。本算法设计合理,时间复杂度也在可接受的范围内。然而本论文并没有涉及核函数及其参数的自动选择问题,只是在实验中通过测试不同的核函数和参数,人工选择识别效果最佳的核函数及其参数,这将是今后研究中的重点问题。