无人机由于在低空飞行且相对速度较慢,大部分飞行路线也极易被地形或建筑物隐藏,从而成为不法分子窃取秘密情报、危害国家安全和公共安全的新工具。同时,随着无人机在军事和民用领域的应用越来越广泛,威胁也越来越大,因此快速识别无人机成为了目前的研究热点。传统的无人机识别方法如基于光学图像的无人机识别会受到天气的限制,不能全天候工作。因此,本文对多旋翼无人机的雷达识别展开研究,其主要内容和创新之处如下:（1）提出了一种基于微多普勒谱图奇异矢量物理参数估计的多旋翼无人机识别方法。该方法首先对谱图矩阵进行奇异值分解,获得最大特征值对应的左右奇异矢量,应用参数估计方法从左右奇异矢量中提取桨叶长度以及旋翼旋转速度等物理参数,实现对旋翼无人机的分类识别。仿真实验表明该方法相对第一本征模函数周期特征的识别方法和非均匀量化特征的识别方法,在信噪比为5d B的条件下有更高的识别率。（2）研究了基于微多普勒谱图一维子空间特征的多旋翼无人机识别方法。主要包括主分量特征识别方法、线性判别特征识别方法,由于主分量特征识别方法受到维度灾难的影响,线性判别特征提取方法存在小样本和维度灾难的问题,为此提出了一种离散余弦变换融合判别成分的特征识别方法,通过离散余弦变换可以降低谱图维数解决维度灾难问题,利用判别成分特征提取方法可以避免小样本问题,在提高运算速度的同时也改善了识别率。仿真实验结果表明该方法的抗噪性能优于主分量特征识别方法以及线性判别特征识别方法。（3）提出了一种基于微多普勒谱图二维广义判别特征的多旋翼无人机识别方法。该方法通过对特征向量矩阵进行对称变换,增强了特征空间矩阵的正交性,解决了特征空间中特征严重重叠的问题,使目标的特征分布区域更清晰。实验结果表明:该方法在低信噪比情况下相较于二维判别特征的识别方法识别率更稳健。