1、雷達(dá)目標(biāo)識(shí)別作為現(xiàn)代雷達(dá)系統(tǒng)發(fā)展的重要發(fā)展方向之一，在軍事和民用領(lǐng)域都有著廣泛的應(yīng)用和廣闊的發(fā)展空間。雷達(dá)目標(biāo)的高分辨一維距離像能夠反映目標(biāo)散射中心在雷達(dá)視線上的分布情況，包含了豐富的目標(biāo)結(jié)構(gòu)信息，而且相比于二維成像，一維距離像獲取簡(jiǎn)單、易于實(shí)現(xiàn)，因此基于一維距離像的雷達(dá)目標(biāo)識(shí)別方法得到了廣泛關(guān)注。本文對(duì)基于一維距離像的目標(biāo)識(shí)別方法進(jìn)行了研究，其主要內(nèi)容如下：
　　1．介紹了一維距離像的三種散射中心模型，對(duì)一維距離像的成像過(guò)程和特

2、性進(jìn)行了分析，理論分析表明，GTD模型能最全面地反映目標(biāo)的散射機(jī)理。
　　2．在經(jīng)典子空間方法基礎(chǔ)上研究了三種改進(jìn)的子空間方法：APCA、NWLDA、PCA+NWLDA，通過(guò)引入加權(quán)函數(shù)對(duì)PCA和LDA進(jìn)行了改進(jìn)，并將NWLDA算法和PCA算法結(jié)合得到PCA+NWLDA算法，實(shí)驗(yàn)結(jié)果表明，這幾種改進(jìn)的子空間方法都能有效地改善識(shí)別率。
　　3．研究了兩種特征融合方法，一種是基于后驗(yàn)概率準(zhǔn)則對(duì)兩種全局特征PCA特征和LDA特征進(jìn)

3、行融合；另一種是通過(guò)引入局部保留映射算法，將全局特征和局部特征進(jìn)行融合以獲得目標(biāo)更全面的辨別信息，實(shí)驗(yàn)結(jié)果表明這兩種融合策略能進(jìn)一步改善識(shí)別率。
　　4．提取了兩個(gè)散射中心特征量：散射中心能量支撐區(qū)長(zhǎng)度和強(qiáng)散射中心的數(shù)目，并基于強(qiáng)散射中心的數(shù)目這一特征，提出了一種分層次的識(shí)別方法。實(shí)驗(yàn)結(jié)果表明上述兩個(gè)特征量均能比較有效地識(shí)別實(shí)測(cè)數(shù)據(jù)中的三類目標(biāo)，尤其對(duì)于外觀差異比較明顯的目標(biāo)其識(shí)別效果更好；同時(shí)實(shí)驗(yàn)結(jié)果表明，本文提出的分層次識(shí)別方