标题中提到的“分数阶傅里叶域多重分形特征的低分辨率雷达目标分类”涉及了几个关键的IT及信号处理领域的知识点，包括分数阶傅里叶变换(FrFT)、多重分形理论以及雷达目标分类技术。
分数阶傅里叶变换(FrFT)是傅里叶变换(FT)的一种推广形式，它不仅包含时域和频域的信息，而且引入了分数阶的概念，允许在时频平面上的一个更广的范围内进行分析。分数阶傅里叶变换在信号处理中有着广泛的应用，它能够使信号在某个分数阶的傅里叶域中达到最佳的信号与噪声比，这对于提高雷达目标检测与分类的性能至关重要。
多重分形理论用于分析和描述具有自相似性的复杂信号或现象。在雷达回波信号处理中，多重分形特征可以用来表征目标的物理特性，如飞机回波的波动特性、运动特性以及喷气发动机调制(JEM)特征。多重分形特征比传统的方法更为精细，能够揭示目标的内在结构，因而适用于低信噪比(SNR)条件下的目标分类。
描述中提到的“低分辨率雷达系统和背景杂波限制”则是指出传统低分辨率雷达系统在目标分类方面的局限性。由于这类雷达系统主要采用单极化窄带发射信号，很难充分激发飞机等目标的物理特性，同时较低的脉冲重复频率和较短的照射时间也对目标分类构成了限制。研究者通过引入分数阶傅里叶变换来处理飞机回波信号，目的是找到最优的分数阶傅里叶域，在该域中信号与噪声比达到最大，进而利用多重分形理论进行特征提取，然后使用支持向量机(SVM)进行目标分类。
在雷达目标分类中，通常可以利用三种类型的特征：飞机回波的波动特性（如雷达截面积(RCS)、振幅和相位的波动、二维灰度等）、飞行目标的运动特性（如高度、速度和加速度等）以及喷气发动机调制(JEM)特征。现有的特征提取方法中，基于JEM特征的方法占据了很大的比重。因此，本研究基于分数阶傅里叶变换处理飞机回波，并提取多重分形特征，最终通过SVM分类器实现低分辨率雷达下的目标识别。
总体而言，这项研究的技术路线是通过分数阶傅里叶变换处理雷达信号以优化信号在分数阶域的表现，再利用多重分形理论提取特征，并采用机器学习算法（例如SVM）进行目标分类。这一系列的技术应用和理论创新，对于提高雷达系统在复杂背景下的目标识别能力和准确性具有重要意义。此外，本研究成果也表明在低信噪比环境下，通过利用FrFT和多重分形特征相结合的方法，依然能够有效地区分不同类型的飞机目标。
