雷达高分辨距离像(HRRP)是宽带雷达目标散射点回波在雷达视线(LOS)方向上投影的矢量和。近些年来,HRRP凭借其易于获取、数据量小、处理简单、富含目标结构信息等优点,成为雷达自动目标识别(RATR)领域的研究热点之一。本文首先介绍了基于HRRP的RATR技术的历史背景与研究意义,并简要说明了本文的主要工作内容。随后,本文从传统卷积神经网络(CNN)结构入手,逐步介绍了三种基于CNN的HRRP目标识别算法。其具体内容如下:1、本文研究了基于一维卷积神经网络的高分辨距离像识别算法(1DCNN)。本文首先从CNN模型的结构出发,使用一维CNN对原始HRRP时域信号进行特征提取,并使用所提取的特征进行目标识别;随后通过实验证明了1DCNN相对其他传统HRRP识别算法在识别性能与鲁棒性上的优势;最后总结了1DCNN模型存在的优缺点。2、本文研究了基于二维卷积神经网络的高分辨距离像识别算法(2DCNN)。针对1DCNN模型所使用的HRRP时域信号存在的仅利用HRRP强度信息与不能适配CNN结构特点的问题,本文使用二维CNN对HRRP频谱图信号进行特征提取,并使用所提取的特征进行目标识别;随后通过实验验证了2DCNN模型相对1DCNN模型在识别性能方面的优越性;最后对2DCNN模型的优缺点进行总结。3、本文研究了基于三维卷积神经网络的高分辨距离像识别算法(3DCNN)。本文首先介绍了三维CNN的网络结构;随后本文对HRRP频谱图信号进行分段重组,并使用三维CNN对HRRP频谱图重组信号进行特征提取,最后使用所提取的特征进行目标识别。3DCNN模型解决了HRRP频谱图信号频率维整体性带来的网络结构问题,进一步提升了模型的识别性能。