雷达目标识别技术（Radar target identification简称RTI）广泛应用于军事和民用生活中，是现代雷达系统的重要发展方向之一。相对于其他雷达识别技术基于雷达一维距离像的目标识别具有容易获取与易于在FPGA上实现等优势。近年来，可编程逻辑器件技术的发展迅速，高密度、高带宽、高性能的可编程逻辑器件为雷达目标识别和数据处理提供了良好的平台。目标识别算法的不断改进和创新为基于FPGA的雷达目标识别技术的实现提供了多种可行性的方案。本文对基于雷达一维距离像的目标识别算法进行了设计。使用Altera StratixIII系列的芯片进行仿真验证，算法选择了基于统计学习理论的改进算法:最小二乘支持向量机（LS-SVM）。本文的主要内容如下：1.对与本文设计相关的理论进行了详细介绍。包括基于统计学习理论的支持向量机算法（SVM），基于不可分样本集的支持向量机算法（C-SVM）和本文要实现的最小二乘支持向量机（LS-SVM）算法，并对三种算法就算法性能和实现可行性进行了比较。2.通过引入Renyi熵使用改进的稀疏化算法对训练样本进行了科学聚类，并对缩减后的样本进行训练，建立标准模板库。3.本文中应用到的雷达数据均采用了IEEE754单精度浮点数的标准，满足了雷达目标识别对数值运算精确性的要求。根据IEEE754标准研究完成了单精度浮点数乘法器、加法器、除法器和开方模块等基础运算模块的设计实现。4.使用自制的乘法器和加法器以及对存储器的灵活调用实现了具有极高精度的256点FFT运算。并使用设计的FFT模块、向量内积模块及向量2范数模块在FPGA上完成了雷达一维距离像的预处理过程。5.依据LS-SVM算法完成了分类器设计，并通过测试样本进行了测试。当系统工作频率设定在100MHz时，完成一次目标识别运算需要64.2s，平均识别率为89.49%。