雷达自动目标识别作为现代雷达的一个重要发展方向，在军事及民用领域有着广泛的应用。目标高分辨一维距离像提供了较多的有用目标信息，且与二维成像相比，高分辨一维距离像易于获取。本文基于高分辨一维距离像对雷达自动目标识别技术进行了研究，主要内容如下：
　　 1.分析了基于后验概率的特征融合方法，在此基础上提出一种将主成分分析(PCA)和线性判别分析(LDA)这两种特征提取方法提取的特征进行融合的雷达目标一维距离像识别方法，提高了识别率。
　　 2.在流行学习方法UDP(Unsupervised Discriminant Projection)的基础上，提出了一种改进的UDP(AUDP)一维距离像识别方法及其核方法KAUDP。AUDP方法对UDP目标函数的一种等价形式利用同步对角化求解，使提取出的各个特征的方差得到了归一，有效的提高了UDP方法的性能。
　　 3.通过对流行学习方法KMFA(Kemel Marginal Fisher Analysis)的分析发现其类内紧凑矩阵存在零空间。针对KFMA的这一特点，提出了一种零空间KMFA一维距离像识别方法。该方法从KMFA类内紧凑矩阵具有判别力的零空间中提取出特征，取得了好的识别效果。
　　 4.将包含类别信息的主成分分析(CIPCA)方法引入到一维距离像的识别中，该方法在PCA中加入样本类别信息，取得了比PCA更高的识别率。为了进一步提高CIPCA的性能，提出KCIPCA一维距离像识别方法，该方法通过对CIPCA引入核函数将CIPCA扩展为核方法。
　　 5.将CIPCA等方法提取的特征分别利用不同的分类器分类，实验结果表明使用不同分类器的识别结果差别明显。说明一种特征只有选择与其最匹配的分类器才能表现出最优的性能。