雷达自动目标检测作为现代雷达的一个重要发展方向,在民用及军事领域有着广泛的应用。目标高分辨距离像能提供目标沿雷达射线方向的几何结构信息,且与二维成像、三维成像相比,HRRP易于获取和处理。本文基于HRRP对雷达自动目标检测技术进行研究,主要内容和创新如下：1.从目标散射点模型出发,研究HRRP及其敏感特性。利用目标散点模型,分别仿真出“|”、“V”、“小”和“干”四种形状目标的高分辨率距离像(HRRP)。2.针对PSO算法容易陷入局部最优和固定权值在算法搜索的末期会丧失粒子多样性而导致算法的收敛速度变慢的问题,提出一种改进PSO算法,首先采用自适应惯性权重,以平衡全局快速搜索能力和局部精细搜索能力之间的矛盾；其次加入局部搜索算子α,即粒子在更新位置后,在其速度范围内再次随机搜索,如搜索到的新位置适应度比当前位置适应度更优,则将新位置作为下一次进化的起点,否则,将原位置作为下一次进化的起点。并通过四类测试函数对改进算法的性能进行验证。3.为避免RBF神经网络算法陷入局部最优,提高收敛精度和速度,提出一种基于改进PSO优化的RBF神经网络算法,该算法利用改进PSO算法和最小二乘法相结合对RBF神经网络进行优化学习训练。并通过Hermit函数对改进算法进行性能测试。4.为了提高雷达目标检测系统的识别率,提出一种基于改进PSO优化的RBF神经网络雷达目标检测系统,分别将四类目标的仿真数据和三类目标的实测数据作为实验数据对该模型进行训练与测试,实验结果表明：该模型的检测率明显提高,同时提高了收敛速度和收敛精度,抗干扰能力也有显著增强。