高分辨距离像(high resolution range profile,HRRP)是目标沿雷达视线方向上的一维压缩投影,传统的HRRP目标识别方法大都利用单次HRRP测试样本判决。但是,由于单次测试样本包含的信息有限,且容易受到噪声污染,识别鲁棒性难以保证。提出1种基于子空间的HRRP序列噪声稳健识别算法。该算法在训练、测试阶段均利用HRRP序列,基于主成分分析(principal component analysis,PCA)方法生成能够抑制噪声、冗余分量的目标信号子空间,并根据Grassmann流形定义子空间距离,将测试子空间与训练子空间按照最小子空间距离的准则作匹配比较,从而判定测试样本序列所属类别。文章推导证明了传统的最小重构误差方法是提出方法只使用单次HRRP测试样本的特殊情况。基于实测数据的识别实验显示,由于更充分地利用了HRRP序列信息且子空间能够抑制噪声,提出方法较最小重构误差方法具有更好的识别性能和噪声稳健性。