雷达最初是军事侦察的一种遥测系统,用于目标的检测,定位与测距。随着雷达技术的发展,其应用不再局限于军事领域,已广泛应用于生产生活的各个方面,尽管如此,始终有一个问题没有很好的解决,即如何从雷达提供的数据中识别所检测的目标。针对这样的问题,本文分别从一维波形数据和二维轮廓像数据入手对雷达信号特征提取与识别进行了研究。对于一维波形数据,通过预处理进行异常波和干扰杂波的滤除、平滑滤波,目的是降噪并提高后续提取特征的稳定性。利用宽度,面积,分形维和编码熵及小波分解对单个回波进行特征的定义。针对回波组进行波形特征的统计处理来抑制回波序列的起伏波动,并利用奇异值分解的方法来表征回波组中回波序列之间的关联。以回波组作为样本,利用人工神经网络对目标进行分类识别,取得了较好的效果。对于二维轮廓像数据,通过预处理进行目标的自动分割,二值化,形态学滤波以及边界轮廓的提取,目的是降噪并为形状信息的提取提供便利。分别采用基于Fourier描述子和基于链码的特征提取方法,并针对这两种方法存在的共性不足,提出了基于Hough变换的特征提取方法。采用人工神经网络对目标分类识别,均取得了较好的效果。由于三种方法分别描述了目标形状的某一侧面,为了保证对目标形状描述的完备性,提高特征的可靠性,提出了一种多特征合成网络的设计方法,从分类结果看,合成网络的正确识别率要远高于单网的识别率,突出了不同类型目标类内的共性及类间的区别,对目标的形状进行了较完整的描述。无论从一维波形数据还是从二维轮廓像数据入手进行雷达信号的特征提取与识别,均取得了较好的效果,说明利用这两种数据进行目标识别是可行的,同时也说明提取的特征及分类器的设计都是有效的。