由宽带雷达获取的高分辨距离像（HRRP）反映了目标散射中心沿雷达视线的分布情况，包含了更多有关目标的结构和形状信息，相比雷达二维像和三维像而言易于获取，并且可实现实时识别。因此，基于HRRP的目标识别方法是当前识别飞机等高速运动目标的有效手段。本论文围绕国家十一五总装预研项目，针对空中飞机目标，对高分辨距离像雷达目标识别系统中的特征提取和选择、分类器设计及非库属目标拒识等相关问题展开研究。论文主要工作如下：1.为了充分利用HRRP中包含的目标结构和形状信息，提出了自适应差分算法，有效地提取了目标在雷达视线上的投影长度特征，实现了对目标的预分类。2.针对经典子空间方法中多目标分类边界模糊的问题，研究了加权的一对一分类（WOAO）策略，通过为每个分类器设置分类效果权值，解决了常规一对一（OAO）分类方法中多个目标因得票相同而出现的分类模糊问题。3.从信息融合的角度出发，提出融合长度特征和子空间特征的多级组合分类器识别方案，利用长度特征进行预分类，缩小WOAO分类算法的搜索范围，提高识别率。4.在利用经典Relief算法对距离像进行特征选择时，若目标在某维特征上分布不均匀，则会出现对该维特征的分类有效性评估不准确的问题，为此提出了改进的MRe特征选择算法，通过加大每对成功分类的样本对在权值累积时所占的比重，解决了目标分布不均匀对特征权值的影响，使得选择出的特征更有利于目标分类。5.针对目标识别系统中非库属目标的拒识问题，研究了一种改进的广义置信度函数，通过为每类目标设置拒识门限，实现对非库属目标的可靠判别。6.以仿生模式识别理论为基础，提出一种链条覆盖模型拒识算法。该算法为目标样本在特征空间的分布构建紧凑的封闭几何边界，以此边界来代表目标样本分布形状，通过判断测试样本是否位于目标覆盖边界内来实现对样本的拒识。上述所有算法的性能均在仿真及实测飞机目标数据上得到了验证。