레이다를 사용하여 획득된 거리측면도(RP, Range Profile)는 레이다 시선방향으로 투영된 표적의 1차원 산란원 분포도이다. 이러한 RP는 날씨 및 주야에 상관없이 표적의 1차원 분포에 대한 정보를 제공하기 때문에, 이를 사용한 자동화된 구분 알고리즘을 설계할 경우 매우 효과적인 실시간 표적 식별이 가능해진다. 하지만 표적의 관측각도 및 동작 주파수에 따라 RP가 매우 심하게 변하며, 이로 인해 많은 수의 학습데이터가 요구되고 이러한 데이터양을 줄이기 위해 특성벡터 공간에서 잉여정보를 제거하고 표적을 분리할 수 있는 데이터 압축기법이 요구된다. 본 논문에서는 이러한 문제점들을 보다 효율적으로 해결할 수 있는 특성벡터 압축 기법을 제안한다. 제안된 압축 기법은 RP의 중심모멘트에 가설검정 및 주값분해를 직렬로 혼합한 기법이며, 실제 캐드 모델을 바탕으로 한 표적들에 제안된 압축 기법을 적용한 시뮬레이션 결과, 기존 기법보다 향상된 구분 결과들을 획득할 수 있었다.