空间目标的红外特征提取和识别是导弹防御应用中目标识别研究的关键技术。在末制导阶段,红外传感器作为主要的探测手段用于对空间目标的追踪和识别。如何提取目标的红外辐射特征估计目标本身的特征,进而进行有效的目标识别就成为基于红外探测目标识别系统的关键。本课题以红外空间目标识别任务为背景,围绕红外目标形状和微动特征提取以及目标识别方法设计等问题展开研究。论文主要围绕以下四个方面展开:第一,空间目标的红外特性分析。着重分析了空间目标的微动、温度和形状差异等特征以及这些特征对红外观测信号的影响,并根据目标辐射规则建立了红外辐射强度序列模型。在此基础上,探讨了模型要素的可提取性与区分能力,发现目标投影面积变量具有单独可提取的特性,能够简化了目标形状和微动特征提取的难度。第二,目标形状和微动特征提取的必要条件和方法。引用几何学领域中形状唯一确定和重构理论对空间目标形状特征提取的必要条件进行探讨,研究形状离散参数描述和参数估计方法,得出了弹头和诱饵等轴对称的半凸体目标在满足探测视线角变化范围超过0.5π时,其形状特征能够被有效提取的结论。在探讨形状和微动参数联合估计方法中,针对微动估计使目标函数变为非凸函数,优化易陷入局部极小值的问题,提出采用网格法搜索全局最优解的解决方案,确立网格间距的选择方法,保证了形状和微动参数联合估计的高效性和可靠性。第三,基于红外辐射强度序列的空间目标形状分类器。针对空间目标识别系统粗分类模块区分轴对称和非轴对称形状目标的任务需求,提出了随机RNNs算法的辐射序列分类方法。随机RNNs采用随机加权的方式将历史预测信息逐层映射到当前的输入空间,不仅增强了学习复杂判决函数的能力,而且提高了分类算法的推广性能。经过公用时间序列数据集和仿真辐射序列数据集的实验测试,相比于传统RNNs算法,随机RNNs在不增加训练复杂度的前提下能够显著地提高对时间序列的分类性能,有效地区分了轴对称和非轴对称的空间目标。第四,基于稀疏分解表示技术的空间目标形状和微动参数联合估计方法。根据空间目标的形状描述参数具有稀疏性这一特点,构建了红外辐射强度序列的稀疏分解表示模型,将形状和微动参数估计转化为稀疏分解表示的求解。在分析此稀疏问题特点的基础上,引入交替迭代优化算法,并利用网格法搜索等优化技巧来估计目标的微动和形状参数。在有限数据条件下进行仿真实验测试,当明确形状描述参数的稀疏度范围时,该方法能够实现对目标参数的有效估计。基于稀疏分解表示的参数联合估计方法为实际应用中有限数据条件下的目标特征参数估计提供了一种新的解决思路。