雷达照射到目标时,电磁波会被反射,当目标为运动目标时,反射电磁波与入射电磁波的频率会产生差异,这种现象被称为多普勒调制效应。通常,运动目标上往往还存在一些相对主体运动的微动部件,如飞机旋翼、涡扇发动机叶片、车轮等,这些微动部件也会对雷达回波产生多普勒调制,这就是微多普勒调制。微多普勒调制中包含了目标微动部件的物理结构与运动信息,可以用于实现窄带目标的分类。本论文研究了基于微多普勒调制的飞机目标分类,主要包括以下三个方面:1.介绍了飞机旋翼的雷达回波信号参数模型,结合该模型生成了仿真数据,分析了不同参数对回波信号产生的影响。针对雷达回波数据中存在的雷达天线方向图调制问题,提出了一种自适应的解调方法,基于实测数据的实验结果表明,该方法能够有效消除雷达天线方向图调制效应。最后,分析了三类飞机的仿真回波信号,验证了三类飞机回波中的微动分量存在较明显的差异。2.提出了一种基于复数局部均值分解(Complex Local Mean Decomposition,CLMD)的特征提取方法。这种特征提取方法首先通过CLMD将原始目标回波信号自适应地分解为一系列不同频率的信号分量,然后从这些信号分量中提取六种反映微动分量差异的特征。实验表明,基于所提特征能较好的实现对三类飞机的分类。3.针对传统支持向量机分类器存在的参数优化过程复杂等问题,引入了随机森林分类器对飞机进行分类。实验结果表明,对于三类飞机分类这个应用场景,随机森林分类器的泛化性能、计算复杂度、参数敏感性都优于支持向量机分类器。随后,介绍了随机森林分类器的特征评价功能,对比实验验证了其对特征评价的合理性。在此基础上,提出了一种特征选择方法,仿真以及实测数据的实验结果表明,所提出的特征选择方法在保证分类性能的前提下,显著降低了特征维度。