低分辨雷达以其造价低、数据易于获取和处理等特点在雷达的某些领域中有十分重要的应用价值与研究意义。然而，由于其一般不具有径向上和横向上的高分辨率，导致回波信号揭示的信息（诸如形状、大小、结构等细节信息）非常有限。因此，如何基于低分辨雷达研究目标的分类识别技术是雷达目标识别的一个重要的研究方向。此外，随着雷达系统对目标检测性能要求的提高，杂波背景的高斯性假设已经不能满足现代雷达的需求，所以对杂波特性的研究也具有十分重要的现实意义。本论文主要围绕国防预研基金等项目，结合实测回波数据，从基于特征的军民船分类、常见杂波模型分析、杂波仿真等方面展开相关的理论技术研究。论文主要研究内容概括如下：　　1.针对低分辨雷达海上目标分类问题，提出了基于时域特征、多普勒域特征、多普勒超分辨特征的3种特征提取方法实现海上目标（军、民船）的分类。由于窄带雷达的分辨率较低，要想实现对不同类型目标的分类，必须依据目标在波形上的差异。本文主要从时域和多普勒域观察海上目标（军、民船）的差异，提取了多维用于目标分类的统计性特征。由于不同目标在多普勒上的差异较为明显，本文根据压缩感知（Compressed sensing，CS）理论提出了基于多普勒超分辨的特征提取方法更大限度的利用目标在多普勒上的信息。　　2.针对杂波建模方法的研究，主要介绍了三种不同的杂波建模方法，分别是基于后向散射系数建模、基于幅度概率分布（PDF）建模、基于功率谱（PSD）建模。本文重点介绍基于幅度概率分布的建模模型，其中包括常见的瑞利分布（Rayleigh）、韦布尔分布（Weibull）、对数正态（Log-normal）分布、K分布，并对每一种统计分布模型介绍了它们各自的适用环境。　　3.利用两种较为经典的杂波仿真方法：球不变随机过程法（Spherically Invariant Random Process，SIRP）和广义维纳过程的零记忆非线性变换法（ZeroMemory Nonlinearity, ZMNL）对四种不同概率分布模型的杂波进行数据仿真，并对每一种分布模型的仿真结果进行参数估计验证。此外，结合项目提供的实测杂波数据对一些经典的概率分布模型进行了实测数据匹配分析。