高分辨距离像(HRRP)具有准确反映目标本身物理结构信息等特点,从而基于HRRP的雷达目标识别技术成为雷达自动目标识别(RATR)领域的重要分支。近年来,字典学习原理随着稀疏表示原理的提出而兴起,使其在模式识别和信号处理方面得到广泛应用。本文基于HRRP的雷达目标识技术,对目标角域划分、基于字典学习的特征提取和分类器设计、非线性特征提取和数据降维三个方面展开研究。主要内容概述如下:(1)介绍了HRRP相关基本原理,讨论了近年来的研究状况,并且分析了基于HRRP的雷达目标识别中的技术难点及其常用解决方法。(2)针对应用字典学习算法进行HRRP特征提取与分类时,由于HRRP的姿态敏感性导致字典过度冗余的实际问题,本文基于概率主分量分析模型采用了最大概率差值分帧算法来划分目标角域,自适应选取姿态变化明显的HRRP的功率谱构成初始化字典,有效降低了字典的冗余性。同时采用了一种统计标签一致字典(SLC-KSVD)学习算法,引入原子稀疏相似误差对传统字典学习的判别准则进行优化,以获取最优字典和最优分类器。雷达实测数据表明,本文采用的方法实现了对低信噪比HRRP的准确识别。(3)对非线性特征提取和数据降维方法进行探讨,对比分析了两大类核判别分析方法:基于全局均值的判别分析方法和基于局部均值的判别分析方法。受以上方式启发,本文采用了核联合判别分析(KJDA)方法,并借助最近邻分类器进行分类决策。基于雷达HRRP数据的实验结果充分验证了KJDA在降低数据维数的同时,具有增强数据可分性的优点。