现代宽带雷达易于获取目标高分辨距离像，它包含了丰富的目标特征信息。近些年来，基于高分辨距离像的目标识别技术成为研究热点。基于结构风险最小化原理的支持向量机是20世纪90年代中期发展起来的一种机器学习技术。支持向量机不仅结构简单而且推广能力强，它的出现极大地促进了目标识别方法的发展。目标识别必将成为未来雷达武器系统的重要组成部分。 本文主要研究以高分辨距离像为对象的基于支持向量机的雷达目标识别问题。分析了多种关于高分辨距离像的预处理、特征提取、特征压缩和分类判决方法。文章先简要介绍了雷达目标识别的基础知识，然后研究基于高分辨率雷达的目标识别方法。首先利用BOX-COX变换、幅度归一化和功率归一化等方法提取高分辨距离像的幅度不变特征并强化特征信息，完成雷达信号预处理工作。其次研究了截断频率双谱法、零相位表示法和重心法等特征提取方法，并成功地提取出高分辨距离像中的目标特征信息。然后应用Fisher 准则法、主元分析法和基于支持向量机的特征选择方法降低目标特征维数。最后研究了核函数、C-SVM算法、v-SVM算法、支持向量机参数选择方法、加权支持向量机算法以及多类别分类等支持向量机相关理论，并将其应用于雷达目标分类识别。本文深入分析了上述方法在目标识别系统中的作用及优缺点，并综合考虑了几种方法组合。 本文利用三类飞机目标实测高分辨距离像对上述方法的有效性进行了验证，并分析了上述方法对识别结果的影响。实验表明，应用本文方法构造的雷达目标识别系统得到了较高的分类正确率。