雷达自动目标识别技术研究不仅具有重大的理论意义,而且具有广阔的应用前景。特别是在军事应用方面,美、俄、德等西方军事强国相继把其作为未来智能化武器系统的重点研究内容和迫切需要突破的关键技术。相比合成孔径雷达/逆合成孔径雷达(SAR/ISAR)图像而言,高分辨距离像(HRRP)易获取与处理,且数据存储量不大,易于实现实时目标识别。基于HRRP的雷达自动目标识别已经成为国内外雷达自动目标识别领域的研究热点。与此同时,随着军事科学技术的迅猛发展,现代雷达的应用及生存环境受到了“电子干扰”、“隐身目标”、“反辐射导弹”和“低空/超低空突防”等四大威胁,因此雷达的射频隐身(RF stealth)性能研究具有十分重要的战略与应用意义。本文的研究工作主要围绕着基于HRRP目标识别的射频隐身雷达信号设计及其识别方法而展开的,分为两部分:第一部分是通过结合雷达自动目标识别具体应用,提出了基于最优匹配发射-接收机与序贯分析的射频隐身雷达目标识别信号设计方法和基于交互信息与序贯分析的射频隐身雷达目标识别的信号设计方法,为实现雷达的射频隐身性能做出有益的探索。第二部分则是针对目标HRRP的姿态敏感性问题,分别采取了角域划分方法和核方法,提出了基于灰色系统的雷达自动目标识别方法、基于灰色关联度的自适应角域划分的雷达自动目标识别方法以及基于最大间隔核优化的雷达自动目标识别方法,为基于HRRP的目标识别日后的具体工程应用提供技术支持。本文主要研究内容与贡献如下:1、研究了基于最优匹配发射-接收机与序贯分析的射频隐身雷达目标识别信号设计。最优匹配发射-接收机方法构成了发射机-外界环境-接收机闭环系统,是认知雷达的一种实现,其能够利用各种先验信息自适应地调整设计雷达信号及其对应的匹配接收机。而序贯分析理论中的序贯概率比检验不仅使得假设检验中的两种错误检验都足够小,而且确保平均抽样次数最少。针对雷达自动目标识别应用,将最优匹配发射-接收机与序贯分析理论相结合,设计了基于最优匹配发射-接收机与序贯分析的射频隐身雷达目标识别信号方法。该方法首先确保了雷达系统的目标识别性能,并从辐射能量控制和射频隐身雷达信号设计两个方面保证了雷达系统的射频隐身性能,从而提高了飞机的生存能力。2、研究了基于交互信息与序贯分析的射频隐身雷达目标识别的信号设计。在一般雷达系统中,雷达目标的脉冲响应并不一定是确定已知的,常常都是假定雷达目标的脉冲响应服从某种随机分布,高斯分布是最常用的随机分布。在此种情况下啊,接收机的回波信号与目标回波信号之间的交互信息影响着雷达系统性能。基于交互信息雷达信号设计方法是认知雷达的另外一种实现,从而能够得到保证雷达性能的发射信号。结合雷达自动目标识别,将基于交互信息雷达信号设计方法与序贯分析理论相结合,设计了基于交互信息与序贯分析射频隐身雷达目标识别的信号设计方法,该方法使得雷达系统在完成雷达目标识别任务的基础上具有良好的射频隐身性能。3、研究了基于灰色系统的雷达自动目标识别。HRRP是在雷达射线方向上雷达目标的各距离分辨单元内散射中心回波投影的矢量和,其反映了目标结构特性。基于HRRP的雷达自动目标识别过程一般分为训练与识别两个阶段。在训练阶段比较HRRP之间的相似程度形成HRRP模板,而在识别阶段则是通过比较待分类目标HRRP与所形成的HRRP模板之间的相似程度大小来决定其类别。灰色关联分析能够通过比较系统样本数据序列的几何形状相似度得到各要素/变量之间的关联度,即得知系统各要素/变量之间的密切程度。将灰色系统理论的灰色关联分析应用于基于HRRP的目标识别中,设计了基于灰色系统的雷达自动目标识别方法,该方法具有物理意义明确、计算简单以及操作方便等特点。4、研究了基于灰色关联度的自适应角域划分的雷达自动目标识别。针对雷达目标HRRP的目标姿态敏感性问题,采用固定角域划分方法简单方便,但是固定角域划分方法使得目标的散射特性存在失配情况,从而导致识别性能下降。与固定角域划分方法相比,自适应角域划分方法则是从目标HRRP本身或分类器的角度出发,采用某一特定的角域划分准则,自适应地实现对目标角域进行划分,以提高目标识别性能。在基于灰色系统的雷达自动目标识别方法的基础上,采用灰色系统中的灰色关联模型为划分准则实现对HRRP的自适应角域划分,设计了两种基于灰色系统的自适应角域划分的HRRP雷达目标识别方法,从而进一步提高了目标识别性能。5、研究了基于最大间隔核优化的雷达自动目标识别。与角域划分相对应,支持向量机核方法是另外一种常用的解决HRRP目标姿态敏感性的方法。SVM的识别性能在很大程度上取决于对核函数的选择。普遍适用于任何数据的核函数是不存在的,数据依赖核函数作为一种核函数修正方法,可以改善SVM分类器的泛化能力,但是核函数优化目标函数和SVM分类器求解目标函数是不同的,分别对应于Fisher判别准则和最大间隔准则。为了使得核函数优化准则和SVM求解准则一致,设计了基于最大间隔核优化的雷达自动目标识别方法,该方法采用了相同的优化准则,即最大间隔优化准则下的核函数优化和SVM分类器的求解是相互统一的过程,这相当于以结构风险最小化对数据依赖核函数进行优化,从而有效提高SVM分类器的目标识别性能。