本发明属于雷达目标识别技术领域，具体是涉及一种基于门限优化字典学习的未知目标判别方法。本发明的方法首先利用训练数据集通过基于门限优化的字典学习方法为已知目标建立一个超完备字典，然后，基于该字典对待判别目标的一维距离像样本进行稀疏分析，计算重建误差以实现对未知目标的判别。由于在字典学习时引入了门限优化，降低噪声对字典学习的影响，在较低信噪比时，仍然能够获得稳健的超完备字典，从而，提高了对未知目标的判别率。对5类目标的仿真实验验证了方法的有效性。