近年来,随着诱饵技术的蓬勃发展,传统的针对目标外形特征和红外特征的弹道目标识别已经应用较少。此时,利用目标的微动特征进行目标识别的方法受到了国内外学者的重点关注。弹道目标的微动特征体现了目标的微动形式以及部分构件的特征,可以反映弹道目标中弹头和诱饵的差异。因此,本文主要研究了中段弹道目标的平动补偿算法以及从平动补偿后的微多普勒中提取特征进行弹道目标识别的算法。主要研究内容如下:1.研究了进动、摆动和翻滚三种弹道目标的微运动模型,参考进动和摆动的微多普勒频移关系式的推导过程,推导了翻滚的微多普勒频移关系式。并对三种弹道目标的微多普勒特征进行了建模分析,为后续弹道目标识别的特征提取奠定了基础。2.针对中段弹道目标微动特征的提取受到平动影响的问题,分析了平动对微多普勒造成的影响,并利用模板法、峰值法对具有单一微动形式的目标进行了平动补偿。随后,在分析了基于延迟共轭相乘和对称共轭相乘的平动补偿算法效果的基础上,提出了基于数字图像处理的改进峰值算法,将该算法与同类型算法的平动补偿效果进行了对比,证明了该算法性能的优越性。最后,在实际的弹道群目标场景中,提出了基于Radon变换中心法的弹道目标平动补偿算法,并通过数值仿真证明了该算法在低信噪比（Signal-to-Noise Ratio,SNR）下仍然具有较优的平动补偿性能。3.针对中段弹道目标识别问题,首先从时频图像角度提取了Hu不变矩特征和四元数矩阵奇异值特征,对进动弹头、摆动诱饵和翻滚母舱这三类弹道目标进行了识别,证明了Hu不变矩特征较优的识别性能。然后从微多普勒域提取了3个谱线特征和4个时频分布特征,分别对三类弹道目标进行了识别。最后,对比了四元数矩阵奇异值特征和本文提出的基于频谱的三个特征的识别效果,通过数值仿真证明了在低信噪比下,频谱特征的识别效果优于四元数矩阵奇异值特征的识别效果。