1.一种基于多线性主成分分析和张量分析的SAR图像目标识别方法，其特征在于：所述目标识别方法包括以下步骤：步骤1，构建四阶张量训练样本，对合成孔径雷达图像进行预处理，对预处理后的合成孔径雷达图像数据按照图像空间x轴、图像空间y轴、方位角和样本类别，构建一个四阶张量训练样本 其中，I1,I2,I3,I4分别代表图像空间x轴、图像空间y轴、方位角和样本类别四阶张量的维度，M是训练样本数；

步骤2，对四阶张量训练样本进行多线性主成分分析，首先进行张量样本的中心化，即每个张量样本减去张量样本集的平均值：其中， 为中心化后的四阶张量样本，Am是原始四阶张量样本；对中心化后的四阶张量样本沿各阶模展开，转化为矩阵；对四阶张量样本展开后的矩阵进行高阶奇异值分解，得到各阶上的投影矩阵U(n),n＝1,2,3,4；

步骤3，构造核心张量Sm：

其中，M是训练样本数， 为中心化后的张量样本，U(n),n＝1,2,3,4为多线性投影矩阵，×n,n＝1,2,3,4为n模(n-MODE)乘积，n模乘积定义如下：一个张量 和一个矩阵 的n模乘积为 其内部元素定义为：步骤4，对核心张量进行线性判别分析，得到一组线性判别函数的权向量Wk,k＝1,

2,...,K，K为类别数；核心张量Sm表征原始张量训练样本，因而通过核心张量Sm来训练线性判别分类器；对于K类的线性分类问题要寻找K个线性判别函数，每个线性判别函数的求解目的是寻找一个权向量，使得训练样本X的错分最小，因而，这里需要求得K个权向量Wk,k＝

1,2,...,K，K为类别数；定义误差向量:

ek＝XWk-bk，k＝1,2,...,K,K为类别数           (7)其中，X为训练样本，这里为核心张量Sm，bk为已知的样本类别，则目标函数定义为平方误差的形式：J(Wk)＝||ek||2＝||XWk-bk||2，k＝1,2,...,K,K为类别数       (8)Wk的优化目标为使得J(Wk)最小，即求J(Wk)的梯度为0：K为类别数(9)从而得

到权向量:

Wk＝(XTX)-1XTbk，k＝1,2,...,K,K为类别数           (10)步骤5，对测试样本进行分类识别，对于给定的测试样本Xtest，首先将测试样本通过投影矩阵U(n),n＝1,2,3,4映射到张量子空间中，得到测试样本核心张量Stest：其中，Xtest为测试样本，U(n),n＝1,2,3,4为多线性投影矩阵，×n,n＝1,2,3,4为n模(n-MODE)乘积，通过线性判别函数的权向量Wk,k＝1,2,...,K，K为类别数，计算：gndk(Stest)＝WkTStest,k＝1,2,...,K，K为类别数          (6)比较函数值gndk的大小，使gndk最大的线性判别函数权向量所对应的类别则是测试样本的类别。

2.如权利要求1所述的一种基于多线性主成分分析和张量分析的SAR图像目标识别方法，其特征在于：所述步骤1中，合成孔径雷达图像预处理过程为：将图像统一调整为大小为

128*128像素的幅度图像，并对幅度数据进行归一化处理，处理后图像幅度值的均值为0，方差为1。