合成孔径雷达(SAR,SyntheticApertureRadar)以其全天时，全天候、多波段、多极化、穿透能力强、分辨率高等特点，在战场侦察、目标探测、海洋监测、地形测量、环境监测等军事和民用方面有着越来越广泛的应用.近年来,SAR系统发展迅速，高质量、高分辨率的SAR图像资源不断增加，SAR图像分析也成了研究的热点问题.而SAR目标识别正是SAR图像分析的一个关键环节，也是模式识别领域公认的难题之一.本文对SAR目标识别的滤波器方法进行深入研究，主要研究结果如下，1.分析了SAR图像的基本特性，概述了目前几个发展较快SAR目标识别系统,总结了常用的SAR目标识别方法，以及SAR目标识别中的难点问题.本文主要是针对传统的SAR目标识别方法对目标方位角敏感的难题进行研究. 2.深入研究了在SAR目标识别中倍受关注的线性相关滤波器方法，这些方法对SAR的相干斑噪声有一定的容忍性,并能在一定程度上抑制杂波，但是对同一目标不同方位角的识别效果并不理想，从而限制了其在实际中的应用.本文通过分析MACE，MINACE，EMINACE滤波器的优缺点，指出“特征图像”在识别中所起的作用. 3.由于SAR图像存在非线性失真，本文引入“核方法”，将基于内积运算的线性算法进行非线性化，即将MACE，MINACE，EMINACE滤波器进行非线性扩展得到KMACE，KMINACE，KEMINACE滤波器.特别是KEMINACE滤波器既使用特征向量降低了算法对训练图像的依赖性，又利用目标在非线性空间的高维特征大大提高了滤波器的识别能力. 4.MSTAR实测SAR图像数据的实验结果表明，基于核的非线性相关滤波器KEMINACE不需要存储目标模板和估计目标方位角，每种目标型号只需要用-个滤波器就能够对方位角在0°～360°范围内的目标进行分类，分类正确率高达88％～100％.