本文主要研究了基于支持向量机为分类器的雷达自动目标识别问题。围绕着雷达目标的特征提取和基于支持向量机的分类器的设计两个方面，做了一些粗浅的研究。 论文首先简单介绍了雷达目标识别技术的发展状况，特征提取和分类器设计是雷达目标识别的关键环节。基于雷达目标的简单散射点模型，本文提出用Relax算法从高分辨雷达一维距离像中提取目标强散射点的位置信息，作为分类器的模式向量；谱估计过程中将DCT用于雷达HRRP的谱估计中，在雷达HRRP的识别系统中构成了以RELAX参数为特征向量，SVM为分类器的高分辨雷达目标识别系统。在SAR目标识别系统中，基于在特定的方位角，SAR图像反映不同的目标特征，直接将SAR图像数据作为分类特征，构造感知机，优化超平面及支持向量机三类分类器，从而构成了SAR目标识别系统。 本文利用美国MSTAR数据集和我国航天部ISAR雷达实测数据分别对SAR及HRRP雷达图像设计了分类器并做了大量的仿真识别试验，达到了平均97.93％及91.5％以上的方位识别率和类别识别率。从本文的实测数据的识别结果比较中表明，本文构建的基于支持向量机的高分辨雷达目标自动识别系统理论上的可行性。