雷达空中目标高分辨距离像（high resolution range profile, HRRP）常被用于开展目标识别，在实际运行过程中，数据样本不完备和噪声干扰往往会给雷达目标识别带来挑战。为克服这一挑战，将堆栈去噪自编码器(stacked denoising auto-encoders, SDAE)和卷积神经网络(convolutional neural networks，CNN)结合起来用于HRRP的去噪重构与识别，并添加标签约束以加速模型收敛。SDAE可以对HRRP数据进行去噪重构，增强数据质量，扩充目标数据集，并引入标签约束，强化隐特征与所属类别相关联的能力，加速模型收敛，CNN用于对HRRP进行分类。实验结果表明，所提方法在小样本、强噪声场景下的目标识别中展现了较优的识别性能和识别精度，能够在一定程度克服样本少、噪声高对HRRP识别的不良影响。
