雷达目标分类识别是一种根据目标和环境的雷达回波信号,基于电磁散射机理,提取目标特征,实现对目标属性、类别或类型进行分类和识别的技术。该技术广泛应用于敌我身份鉴别、真假弹头识别、故障目标检测及石油矿藏勘测等军用和民用领域。窄带雷达技术成熟、结构简单、抗干扰能力强且价格低廉,是被使用和部署最多的一种雷达,故最大化地扩展窄带雷达识别目标的能力意义重大。因此,本文针对窄带雷达数据,开展飞机目标大小分类、飞机目标类型(直升机/螺旋桨飞机/喷气式飞机)分类及直升机旋翼物理参数提取等研究,主要内容如下:(1)提出一种基于非均匀量化状态转移特征的飞机目标大小分类方法,该方法通过非均匀量化重新分割目标的数据分布,计算其状态转移矩阵,通过状态转移矩阵的差距对比来判定目标大小。相比基于统计特征(均值、方差等)的分类方法,该方法更细致地利用了目标RCS的起伏信息,且对RCS的角度敏感性低。仿真实验表明,采用非均匀量化状态转移特征进行分类比采用统计特征的分类效果更为稳定,总体的分类准确率也高。(2)提出一种基于第一本征模函数周期特征的飞机目标类型分类方法,该方法利用经验拟态分解法消除机身分量,分解出微多普勒信号,并利用循环自相关函数强化周期特征,最后利用该周期特征进行飞机目标类型的分类。该方法从目标整体的雷达回波中提取微多普勒信息进行分类,比直接以理想旋翼信号为初始数据进行分类的方式更贴近实际情况。仿真实验验证了该方法的可行性与有效性。在26dB的信噪比下,该方法的对飞机目标类型的分类准确率能达到90%以上。(3)提出一种基于时频谱图像处理的直升机物理参数提取及识别方法,该方法从直升机雷达回波的时频谱中提取时频信号线,利用最小二乘对法对时频信号线进行拟合,从而估算出该目标的物理参数,并利用这些参数识别出目标直升机的型号。该方法相比于基于深度学习的目标识别方法,不需要大量的训练数据,仅需少量训练数据确定门限即可。仿真实验表明该方法能较为准确的估计出直升机旋翼的桨叶数目,对旋翼转速和桨叶长度的估计误差在大多数情况下低于10%。利用方法进行直升机型号识别,准确率可达85%左右。