雷达目标识别是现代雷达信息处理中的一项关键技术,已被广泛应用于军用和民用领域。从宽带雷达中获取的雷达高分辨距离像(HRRP)能够较好地表征目标散射中心沿雷达视线的分布情况,包含了目标大量的结构与形状信息,与雷达二维像和三维像比较,其易于获取与存储,并且在实时处理上具有一定优势。因此,基于一维高分辨距离像的雷达目标识别是一种非常有潜力的目标识别手段。本文针对空中飞机目标,以高分辨距离像为研究对象,主要针对目标识别中的特征提取与选择、多特征综合和分类器设计等方面展开了理论研究和实验验证工作。论文主要工作概括如下:1.距离像特性研究。介绍了一维距离像的获取方式以及基本模型,总结了一维距离像的特点,针对一维距离像的姿态敏感性,强度敏感性与平移敏感性给出了相应的处理方式。2.特征提取方法研究。利用深度神经网络对一维距离像进行特征提取,同时使用经典子空间方法提取了一维距离像的子空间特征,比较了各特征的分类能力,分析了各特征的特性。3.特征级融合识别方法研究。基于遗传算法对不同特征进行了特征级融合,改进了传统遗传算法的种群初始化策略,针对遗传算法进化过程中的交叉概率和变异概率,提出了一种自适应参数确定方法。实验结果表明该方法提取的融合特征维度较低且能保留较多有效信息,目标识别性能较优。4.决策级融合识别方法研究。基于同一分类器对不同样本分类能力不同的思想,利用多分类相关向量机输出的后验概率,设计了一种基于一维距离像的自适应加权投票融合识别模型。实验结果表明这种融合策略能够有效提高识别率。5.研究了基于神经网络的蒙特卡洛融合目标识别方法。在遗传算法特征级融合的基础上,使用蒙特卡洛法在决策级进行融合识别。实验表明该方法可以进一步提高系统识别性能。