A robust classification scheme to categorize airplane targets into three kinds, i.e.,turbojet aircraft, prop aircraft and helicopter, by using the conventional low-resolution radar system is proposed aiming to solve the problem that the micro-Doppler modulation is contaminated easily by the noise component under the low singal to noise ratio(SNR) cases. Based on the different characteristics of the micro-Doppler modulation of the three kinds of airplane, this classification scheme firstly extracts two dimensional feature vectors to depict these differences. In order to elevate the classification performance under the low SNR cases, we utilize the Complex Probabilistic Principal Component Analysis (CPPCA) to model the complex-valued echo from the airplane targets. The Akaike’s Information Criterion (AIC) is applied to the CPPCA model to determine the number of principal components adaptively for denoising the returned echo. The experimental results on measured data indicate that the proposed method can achieve the good noise reduction and classification performances under the test condition of relatively low SNR.