雷达的目标识别技术
雷达目标识别特征 时域频域极化域
雷达目标识别特征时域频域极化域雷达目标识别是雷达技术应用的一个重要方向，其目的是通过分析和提取目标的特征信息，实现对目标的自动识别和分类。
在雷达目标识别中，时域、频域和极化域是常用的特征表示方式。
本文将从这三个方面介绍雷达目标识别的特征提取方法和应用。
一、时域特征时域特征是指雷达回波信号在时间上的变化规律。
时域特征包括回波信号的脉冲宽度、脉冲重复频率、脉冲重复间隔等。
这些特征能够反映目标的物理尺寸、运动状态等信息。
例如，目标的尺寸越大，回波信号的脉冲宽度就越宽；目标的速度越快，脉冲重复频率就越高。
通过分析时域特征，可以实现对目标的运动状态和形态的判断。
二、频域特征频域特征是指雷达回波信号在频率上的变化规律。
频域特征包括回波信号的频谱分布、频率偏移、频率调制等。
这些特征能够反映目标的散射特性、材料成分等信息。
例如，回波信号的频谱分布可以反映目标的散射截面积，不同目标具有不同的频谱分布特性。
通过分析频域特征，可以实现对目标的散射特性和材料成分的识别。
三、极化域特征极化域特征是指雷达回波信号的极化状态。
雷达回波信号可以分为水平极化和垂直极化两个方向。
目标的极化特性可以通过分析回波信号的极化矩阵来描述。
极化矩阵包括目标对水平极化和垂直极化的散射系数，可以用来表征目标对不同极化状态的响应差异。
通过分析极化域特征，可以实现对目标的极化特性和材料性质的判断。
时域、频域和极化域是雷达目标识别中常用的特征表示方式。
通过分析这些特征，可以提取出目标的运动状态、形态、散射特性、材料成分和极化特性等信息，实现对目标的自动识别和分类。
在实际应用中，可以根据目标的不同特征选择合适的特征提取方法，并结合机器学习算法进行目标识别。
雷达目标识别技术在军事、航空、交通等领域具有重要的应用价值，对提高雷达系统的性能和智能化水平有着重要意义。
雷达的目标识别技术
雷达的目标识别技术摘要：对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾，研究了相控阵雷达系统中多目标跟踪识别的重复检测问题提出了角度相关区算法，分析了实现中的若干问题，通过在相控阵雷达地址系统中进行的地址实验和结果分析表明:采用角度相关区算法对重复检测的回波数据进行处理时将使识别的目标信息更精确从而能更早地形成稳定的航迹达到对目标的准确识别。
一．引言随着科学技术的发展，雷达目标识别技术越来越引起人们的广泛关注，在国防及未来战争中扮演着重要角色。
地面雷达目标识别技术目前主要有-Se方式，分别是一维距离成象技术、极化成象技术和目标振动声音频谱识别技术。
1．一维距离成象技术一维距离成象技术是将合成孔径雷达中的距离成象技术应用于地面雷达。
信号带宽与时间分辨率成反比。
例如一尖脉冲信号经过一窄带滤波器后宽度变宽、时间模糊变大。
其基本原理如图1所示。
2．极化成象技术电磁波是由电场和磁场组成的。
若电场方向是固定的，例如为水平方向或垂直方向，则叫做线性极化电磁波。
线性极化电磁波的反射与目标的形状密切相关。
当目标长尺寸的方向与电场的方向一致时，反射系数增大，反之减小。
根据这一特征，向目标发射不同极化方向的线性极化电磁波，分别接收它们反射(散射)的回波。
通过计算目标散射矩阵便可以识别目标的形状。
该方法对复杂形状的目标识别很困难。
3．目标振动声音频谱识别技术根据多普勒原理，目标的振动、旋转翼旋转将引起发射电磁波的频率移动。
通过解调反射电磁波的频率调制，复现目标振动频谱。
根据目标振动频谱进行目标识别。
传统上我国地面雷达主要通过两个方面进行目标识别：回波宽度和波色图。
点状目标的回波宽度等于入射波宽度。
一定尺寸的目标将展宽回波宽度，其回波宽度变化量正比于目标尺寸。
通过目标回波宽度的变化可估计目标的大小。
目标往往有不同的强反射点，如飞机的机尾、机头、机翼以及机群内各飞机等，往往会在回波上形成不同形状的子峰，如图2所示。
雷达测量中的目标识别与跟踪技术
雷达测量中的目标识别与跟踪技术引言雷达技术作为一种广泛应用于军事、航空、航海和交通领域的测量技术，一直以来都备受关注和研究。
在雷达应用领域中，目标识别与跟踪技术是十分重要的一个研究方向，主要用于确定被测目标的特征或性质，随后跟踪该目标的运动变化。
本文将深入探讨雷达测量中的目标识别与跟踪技术。
一、雷达目标识别技术1. 散射截面及目标特征分析雷达识别某一特定目标的首要问题是确定目标的散射截面。
散射截面的值决定了目标对雷达波的反射程度，与目标的形状、大小和边缘特性等有关。
目标特征分析可以帮助确定不同目标之间的差异，并提供用于识别目标的信息。
2. 多普勒特征分析多普勒效应是指由于目标的运动而引起的接收信号频率发生变化的现象。
通过分析接收信号的多普勒频移，可以获得目标的运动状态、速度和方向，从而进一步识别目标。
3. 反射波束特征分析雷达工作时产生的波束会与目标发生相互作用，反射出的信号会带有目标的形状和结构信息。
通过分析返回信号的波束特征，可以推测出目标的形状、方位和内部结构等，为目标识别提供重要线索。
二、雷达目标跟踪技术1. 滤波器与滤波技术针对目标跟踪问题，滤波器是一种常用的处理手段。
常见的滤波器有卡尔曼滤波器、粒子滤波器和无迹卡尔曼滤波器等。
这些滤波器通过对雷达信号进行滤波处理，估计目标的状态并持续跟踪目标运动。
2. 目标运动模型目标运动模型是描述目标运动规律的数学模型。
常见的目标运动模型有匀速模型、自由加速度模型和粒子模型等。
通过建立适当的目标运动模型，可以更好地预测目标的运动行为，提高目标跟踪的准确性和鲁棒性。
3. 数据关联算法数据关联算法是在已知目标状态的情况下，根据测量数据关联目标和测量结果，并进行目标跟踪的一种方法。
常见的数据关联算法有最近邻算法、卡尔曼滤波算法和粒子滤波算法等。
这些算法能够有效处理多目标跟踪问题，提高跟踪性能。
三、雷达目标识别与跟踪在实际应用中的挑战与展望1. 复杂环境下的干扰雷达目标识别与跟踪在实际应用中面临着复杂的环境干扰，比如地形变化、气象条件和其他电磁源等。
雷达信号处理中的目标识别与特征提取方法
雷达信号处理中的目标识别与特征提取方法雷达信号处理是一种关键的技术，在许多领域中都有广泛的应用。
目标识别与特征提取是雷达信号处理的重要任务之一。
通过分析雷达接收到的信号，我们可以识别出不同的目标，并提取出与目标相关的特征信息。
本文将介绍雷达信号处理中常用的目标识别与特征提取方法。
一、目标识别方法目标识别是指将雷达接收到的信号与已知目标模型进行比对，从而确定目标的类别。
常用的目标识别方法包括以下几种：1. 信号处理与匹配滤波：匹配滤波是一种经典的目标识别方法。
它利用目标的特征信息构建一个滤波器，将雷达接收到的信号与滤波器进行卷积运算，得到目标的匹配度。
通过设置合适的阈值，即可识别目标。
2. 统计判决方法：统计判决方法利用目标的统计特征进行目标识别。
常用的统计判决方法包括贝叶斯判决、最小距离判决等。
这些方法通过建立目标的统计模型，并根据观测到的信号特征进行判决，从而实现目标的识别。
3. 特征匹配方法：特征匹配方法利用目标的特征信息进行目标识别。
常用的特征匹配方法包括相关匹配、相位匹配等。
这些方法通过计算目标特征之间的相似度，从而确定目标的类别。
特征匹配方法具有较高的准确性和鲁棒性，广泛应用于雷达目标识别中。
二、特征提取方法特征提取是指从雷达接收到的信号中提取出与目标相关的特征信息。
目标的特征信息可以包括目标的形状、尺寸、运动状态等。
常用的特征提取方法包括以下几种：1. 波形特征提取：波形特征提取是从雷达接收到的信号波形中提取出目标的特征信息。
常用的波形特征包括峰值、频率、幅度等。
通过分析这些波形特征，可以识别出目标的一些基本特征。
2. 多普勒频谱特征提取：多普勒频谱特征提取是从雷达接收到的信号的多普勒频谱中提取出目标的特征信息。
通过分析多普勒频谱的幅度、频率等特征，可以识别出目标的运动状态。
3. 极化特征提取：极化特征提取是从雷达接收到的信号的极化信息中提取出目标的特征信息。
雷达信号的极化信息包括目标的极化散射矩阵等。
激光雷达的原理与目标识别技术
激光雷达的原理与目标识别技术激光雷达是一种利用激光束进行测距和目标识别的高精度传感器。
它通过发射激光束并测量返回的激光信号来获取目标的位置、速度和形状等信息。
激光雷达的工作原理基于光的传播和反射原理，它在自动驾驶、机器人导航、环境感知等领域有着广泛的应用。
激光雷达的工作原理可以简单地描述为：它通过发射激光束，并记录激光束从发射到接收所经历的时间，然后根据光速和时间差计算出目标与雷达的距离。
同时，激光雷达还可以通过测量激光束的强度来获取目标的反射率，从而进一步分析目标的性质和形状。
激光雷达的核心部件是激光发射器和激光接收器。
激光发射器通常使用固态激光器或半导体激光器，它们能够产生高功率、高频率的激光束。
激光接收器则用于接收返回的激光信号，并将其转化为电信号进行处理和分析。
激光雷达还包括扫描系统，用于控制激光束的方向和范围，以实现对目标的全方位扫描和测量。
激光雷达的目标识别技术是激光雷达应用的关键之一。
目标识别是指通过分析激光雷达返回的信号，判断目标的类型、形状和状态等信息。
目标识别技术可以分为几何识别和语义识别两种。
几何识别是指通过分析目标的几何特征，如形状、大小和轮廓等，来判断目标的类型和形态。
几何识别技术通常通过对激光雷达返回的点云数据进行处理和分析来实现。
点云数据是激光雷达返回的一系列离散点的坐标信息，它可以表示目标的三维形状和位置。
几何识别技术可以通过对点云数据进行聚类、分割和拟合等操作，来提取目标的几何特征，并进行目标分类和形态分析。
语义识别是指通过分析目标的语义特征，如颜色、纹理和运动等，来判断目标的类型和状态。
语义识别技术通常通过对激光雷达返回的强度和反射率等信息进行处理和分析来实现。
强度信息可以反映目标的反射率和反射强度，从而判断目标的材质和表面特征。
反射率信息可以用于判断目标的颜色和纹理等特征。
运动信息可以通过对激光雷达返回的多个时间点的数据进行比较和分析，来判断目标的运动状态和轨迹。
雷达目标识别技术
雷达目标识别技术1.引言雷达目标识别（RTR—Radar Target Recognition）是指利用雷达对单个目标或目标群进行探测，对所获取的信息进行分析，从而确定目标的种类、型号等属性的技术。
目前，经过国内外同行的不懈努力，应该说雷达目标识别技术已经在目标特征信号的分析和测量、雷达目标成像与特征抽取、特征空间变换、目标模式分类、目标识别算法的实现技术等众多领域都取得了不同程度的突破，雷达目标识别技术已成功应用于星载或机载合成孔径雷达地面侦察、毫米波雷达精确制导等方面。
但是，雷达目标识别技术还远未形成完整的理论体系，现有的雷达目标识别系统在功能上都存在一定程度的局限性，其主要原因是由于目标类型和雷达体制的多样化以及所处环境的极端复杂性。
本文讨论了目前理论研究和应用比较成功的几类雷达目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了问题的可能解决思路。
2. 雷达目标识别技术的回顾雷达目标识别的研究始于20世纪50年代，早期雷达目标特征信号的研究工作主要是研究目标的有效散射截面积。
但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。
几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。
雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。
目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。
原则上，任何一个雷达目标识别系统均可模化为图1所示的基本结构。
雷达信号处理中的目标识别与跟踪研究
雷达信号处理中的目标识别与跟踪研究雷达（Radar）是一种利用电磁波进行探测和测距的技术。
它通过发射脉冲电磁波并接收其反射信号，利用信号的时间延迟和频率特征来探测和跟踪周围的目标物体。
在雷达信号处理中，目标识别与跟踪是两个重要的研究方向，它们对于实现雷达的自主目标探测和跟踪具有重要作用。
目标识别是在雷达信号中确定目标的位置、速度和其他特征属性的过程。
它的主要任务是将雷达接收到的信号与预先建立的目标模型进行匹配，通过特征提取和目标比对算法来判断目标是否存在。
目标识别可以分为传统方法和深度学习方法两种。
传统的目标识别方法主要依靠数学模型和信号处理算法。
常见的方法包括卡尔曼滤波器、最小二乘估计以及基于特征提取的算法等。
这些方法通过对信号的频谱、时频分析和特征提取等技术手段，对目标进行匹配和判断。
虽然传统方法在一定程度上可以实现目标识别，但是在处理复杂场景和目标变化较大的情况下效果有限。
近年来，深度学习方法在目标识别领域取得了显著的成果。
深度学习利用神经网络模型对大量数据进行训练，实现对数据的高级特征提取和模式识别。
在雷达信号处理中，深度学习可以利用卷积神经网络（CNN）和循环神经网络（RNN）等网络结构，对雷达信号进行直接处理和分类。
这种端到端的学习方式能够更好地解决目标识别中的非线性、多样性和时变性等问题。
目标跟踪是在目标识别基础上，在雷达扫描过程中连续追踪目标运动状态的过程。
目标跟踪的主要任务是通过对雷达接收到的连续信号进行滤波和关联，预测目标的位置和运动轨迹，实现实时监测和跟踪。
目标跟踪可以分为基于滤波的方法和基于关联的方法两种。
基于滤波的目标跟踪方法主要应用卡尔曼滤波器和扩展卡尔曼滤波器等算法。
这些方法通过建立目标的状态空间模型，对目标位置和速度进行状态估计和预测。
通过更新观测信息，不断优化目标的运动轨迹。
这种方法简单且实时性较好，适用于快速目标跟踪。
基于关联的目标跟踪方法主要利用关联算法对连续的雷达信号进行处理。
基于多普勒雷达的目标识别与跟踪技术研究
基于多普勒雷达的目标识别与跟踪技术研究引言：多普勒雷达是一种能够实时监测和跟踪目标运动状态的重要工具。
在现代军事、民用航空和交通管理等领域，多普勒雷达的应用日益广泛。
通过利用多普勒效应，多普勒雷达可以通过测量目标返回的雷达信号频率变化，精确地计算目标的运动状态和速度，从而实现目标的识别和跟踪。
本文将重点研究基于多普勒雷达的目标识别与跟踪技术，探讨其原理、方法和应用。
一、多普勒雷达原理多普勒效应是物理学中的一个基本原理，它描述了当一个物体相对于观察者运动时，物体的频率会发生变化。
多普勒雷达利用这一原理来识别目标的运动状态。
多普勒雷达在发射脉冲信号后，通过接收目标返回的回波信号，测量信号频率的变化。
根据多普勒效应，当目标向雷达靠近时，回波信号频率会增大；当目标远离雷达时，回波信号频率会减小。
通过计算回波信号频率的变化，可以确定目标的运动速度和方向。
二、多普勒雷达目标识别技术1. 频谱分析法频谱分析法是一种基于频谱特征的目标识别技术。
通过分析回波信号的频谱特征，可以确定目标的速度。
当目标的速度超过雷达系统的测量范围时，回波信号的频谱将出现模糊，难以识别。
因此，频谱分析法在目标速度较小的情况下应用较为广泛。
2. 脉冲压缩技术脉冲压缩技术是一种通过增加脉冲信号的带宽来提高雷达分辨率的方法。
通过将发射的脉冲信号与接收到的回波信号进行相关运算，可以实现对目标的高分辨率识别。
脉冲压缩技术可以有效地识别高速运动目标。
3. 频域分析法频域分析法是一种基于频域特征的目标识别技术。
通过将回波信号转换到频域，可以获得目标的频谱特征。
不同目标由于尺寸、材料和运动状态的不同，其频域特征也会有所差异。
通过对比目标的频域特征和参考库中的特征，可以实现目标的识别和分类。
三、多普勒雷达目标跟踪技术1. 单目标跟踪技术单目标跟踪技术是一种基于目标运动特征的跟踪方法。
通过计算目标的速度和方向，可以预测目标的运动轨迹，并实时更新目标的位置信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
雷达的目标识别技术摘要：对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾，研究了相控阵雷达系统中多目标跟踪识别的重复检测问题提出了角度相关区算法，分析了实现中的若干问题，通过在相控阵雷达地址系统中进行的地址实验和结果分析表明:采用角度相关区算法对重复检测的回波数据进行处理时将使识别的目标信息更精确从而能更早地形成稳定的航迹达到对目标的准确识别。
一．引言随着科学技术的发展，雷达目标识别技术越来越引起人们的广泛关注，在国防及未来战争中扮演着重要角色。
地面雷达目标识别技术目前主要有-Se方式，分别是一维距离成象技术、极化成象技术和目标振动声音频谱识别技术。
1．一维距离成象技术一维距离成象技术是将合成孔径雷达中的距离成象技术应用于地面雷达。
信号带宽与时间分辨率成反比。
例如一尖脉冲信号经过一窄带滤波器后宽度变宽、时间模糊变大。
其基本原理如图1所示。
2．极化成象技术电磁波是由电场和磁场组成的。
若电场方向是固定的，例如为水平方向或垂直方向，则叫做线性极化电磁波。
线性极化电磁波的反射与目标的形状密切相关。
当目标长尺寸的方向与电场的方向一致时，反射系数增大，反之减小。
根据这一特征，向目标发射不同极化方向的线性极化电磁波，分别接收它们反射(散射)的回波。
通过计算目标散射矩阵便可以识别目标的形状。
该方法对复杂形状的目标识别很困难。
3．目标振动声音频谱识别技术根据多普勒原理，目标的振动、旋转翼旋转将引起发射电磁波的频率移动。
通过解调反射电磁波的频率调制，复现目标振动频谱。
根据目标振动频谱进行目标识别。
传统上我国地面雷达主要通过两个方面进行目标识别：回波宽度和波色图。
点状目标的回波宽度等于入射波宽度。
一定尺寸的目标将展宽回波宽度，其回波宽度变化量正比于目标尺寸。
通过目标回波宽度的变化可估计目标的大小。
目标往往有不同的强反射点，如飞机的机尾、机头、机翼以及机群内各飞机等，往往会在回波上形成不同形状的子峰，如图2所示。
这类波型图叫作波色图。
根据波色图内子峰的形状，可获得一些目标信息。
熟练的操作员根据回波宽度变化和波色图内子峰形状，进行目标识别。
雷达目标识别器在国外已成功应用。
我国自行研制雷达目标识别器很有必要。
用飞机的发动机振动声音频谱进行目标识别可用于电子欺骗对抗。
下面就研制雷达振动声音频谱目标识别的技术问题进行讨论。
二．工作原理不同型号的飞机有不同的发动机振动声音频谱，通过飞机的特征频谱用电脑或人工方式判别飞机的类型。
飞机的声音是传不远的，需要借助其它手段。
用电磁波来照射飞机，飞机的振动和运动对电磁波进行多普勒频率调制。
用飞机的反射波与入射波进行混频，获得由飞机运动引起频移后的振动频谱，再与由飞机运动引起的频率差频，获得飞机的声音频谱。
经滤波放大后通过喇叭可复现飞机的声音。
通过声音识别确定飞机类型。
三．雷达目标识别的特点、分类及方法雷达目标识别相对于目标的定位、跟踪，具有更大的不确定性，这主要是由于在目标识别中特征既与目标尺寸及雷达参数有关，又与雷达所处的环境特性有关。
同对，采用不同的处理方式时，所得到的特征也可能不同。
因而，难于提取稳健(鲁棒)的、能区分目标的本原特征。
同时，不同雷达提供的用于目标识别的测量数据有很大的差异性，它们关于目标识别的结果具有不同的致信度，并且可能是在不同的层次上的。
目标识别按目标是否与雷达合作，可分为合作式目标识别和非合作式目标识别。
合作式目标识别最常见的是采用敌我识别器，通过雷达和敌我识别器的配合，既可获得目标的位置和运动特征，也可获得目标的敌我属性特征。
除合作式目标识别以外的其他目标识别都称为非合作式目标识别，我们通常所说的雷达目标识别均指非合作式目标识别。
由于雷达目标识别中包含很大的不确定性，因此，为了得到稳健的目标识别，有效的途径之一是使用多雷达一多特征目标融合识别。
如果从雷达目标融合识别的角度对目标进行分类，则可根据对输人数据的不同层次的抽象，通常可以将目标融合识别分为数据级(或称为像素级)目标识别融合、特征级目标融合识别和决策级目标融合识别三类，如图3所示。
其中，数据级目标融合识别的优点是信息损失少，缺点是对通信和计算量的要求太大，难以实时实现；决策级目标融合识别的优点是对通信容量和计算量的要求比较低，容易实现，但信息损失相对较大；而特征级目标融合识别则介于二者之间，若兼顾性能和复杂性，特征级目标识别融合是一种最佳的选择，也是目前在雷达目标识别中采用最广的方法。
图3 雷达目标融合识别分类为了能在目标识别中更充分地利用雷达提供的信息，近来又把目标融合识别在原来的数据、特征、决策三类的基础上进一步细分为“数据入一数据出(DAI—DAO)”、“数据人一特征出(DAI—FEO)”、“特征人一特征出 (FEI—FEO)”、“特征人一决策出(FEI—DEO)”和“决策入一决策出(DEI—DE0)”五类，如图4所示。
虽然该分类方法有些复杂，但对构建灵活、高性能的雷达目标融合识别系统结构具有指导意义。
目前用于目标识别的方法有很多种。
这些方法有：模板匹配、加权平均、表决准则、最小错误准则、贝叶斯最小风险准则、专家系统、神经网络、模糊推理、贝叶斯理论、证据理论、符号推理等，各种方法均有其优缺点，需要根据具体的应用进行认真的选择，有时还需将几种方法穿插渗透，综合利用，以期达到最佳的识别效果。
例如，可以把模糊集与神经网络识别技术相结合，也可以把证据理论与神经网络相结合，等等。
图4 目标融合识别5类模型四、雷达目标识别的发展历史及现状雷达目标识别的研究始于20世纪50年代末期。
当时，美国的D．K。
BaIton通过分析AN／FPS～16型跟踪雷达记录的前苏联人造卫星spunlikⅡ的回波信号，推断出该人造卫星上带有角反射器，并由此推理出前苏联当时的卫星跟踪网是由第二次世界大战时使用的低威力雷达所组成。
推断标志着雷达目标识别的开始。
此后，雷达目标识别得到了很大的发展，并已成为当今雷达发展的一个重要方向。
在弹道导弹防御目标识别方面，60年代的弹道导弹预警系统(BMEWS)中的AN／FPS一49弹道导弹预警和跟踪雷达就采用了轨道比较法进行目标识别，通过计算机区别真假目标，并测出目标速度、航向和弹道。
70年代的“卫兵”系统用相控阵雷达代替机扫雷达实现潜射弹道导弹预警和地球卫星跟踪。
80年代的“星球大战计划”(SDI)将收集弹道导弹各部分和再入飞行体的特征数据列为重要项目，设想利用SPQ一11相控阵雷达和新研制雷达来获取目标的微波特性数据，以实时成像识别为重点，建立目标特性的模型和数据库。
90年代以来，随着NMD和俄D的提出，雷达目标识别再次成为热门研究课题。
美国的多目标特性测量雷达主要朝着相控阵技术与逆合成孔径成像技术相结合、并形成模型和数据库的方向发展，用以解决多目标跟踪和多目标识别两大问题。
到目前为止，美国共进行了8次国家导弹防御(NMD)系统试验，其中5次成功，3次失败。
‘总的看来，美国的目标识别处于国际领先，其目标识别技术也由早期的基于单一传感器的目标识别向多传感器融合识别发展，并且一些技术开始进入实用阶段，其中，利用高分辨率雷达的目标识别已进入实用阶段，基于ISAR的雷达目标识别已得到验证，基于GBR的真假弹头目标识别已突破许多关键技术。
五．用于目标识别的雷达类型1.现有的二坐标雷达现有的警戒雷达大多数为脉冲非连续波体制，重复周期大于800 la S，即重频f<1．2kHz。
根据抽样定理可知，对声频大于f／2=600Hz 的振动声音调制信号不能再现。
而飞机的发动机声音频率远大于600Hz，因此用现有的脉冲体制的雷达无法复现飞机发动机振动声音。
2.目标识别雷达(1)连续波雷达过去主要将连续波雷达用于目标识别。
为了获得足够的反射波能量，发射功率要求大，而且在发射的同时进行接收，技术难度较大，而大功率发射增加了雷达的成本和难度。
目标识别雷达作用距离较小。
(2)高重频相参高重频雷达由抽样定理可知，当雷达重频大于2倍的飞机运动引起频移后的飞机振动声音频率时，就能复现频移后的飞机振动声音频谱。
再与由飞机运动引起频率差频，获得飞机声音A／D量化值。
经D／A滤波放大后通过喇叭可复现飞机的振动声音。
通过适当调整发射重频，使目标回波落在不发射的时间窗内，如图5所示。
这样发射机和接收机交替工作，雷达构成简单。
图5 回波示意图这时需要对雷达接收信号进行数字处理，才能复现飞机声音。
要设计相应的数字系统。
该方案雷达系统简单易于研制。
并且可选择不同距离窗的飞机进行识别。
雷达作用距离较远。
(3)高重频相参脉冲压缩雷达为了提高雷达作用距离，降低雷达的发射峰值功率，可采用相参脉冲压缩体制。
该体制由于发射峰值功率小，便于隐没在电磁环境中，不易被发现。
由于发射峰值功率小，发射电路技术要求低，成本低。
该雷达为脉冲体制，雷达的收和发在时间上交替进行，这样从技术难度和成本控制上皆为成熟技术。
这时，数字处理电路较复杂，但现有技术可以设计出相应的数字系统。
为了降低雷达的体积，提高灵活性，可采用3厘米频段雷达。
3.工作流程雷达网提供目标的距离(最好还有高度)引导目标识别雷达天线指向目标，根据目标距离选择雷达重频，数字处理电路解算出飞机声音，用飞机声音进行飞机型号识别。
4.电子欺骗对抗用飞机的振动声音进行目标识别还可用于转发型电子欺骗对抗。
在转发型电子欺骗中很难模拟出由飞机运动引起频移的发动机振动细谱，复现的声音也将与真实飞机振动声音不同，从而区分判断出假目标。
5.应用雷达目标识别具有重要意义。
能进行目标识别的雷达必须符合一定的要求。
为了能有效地进行目标识别，可以针对性研制一些低成本专用雷达，也可以在某些雷达设计中(例如测高雷达中)设置目标识别工作模式，在不同的时刻分别完成原有功能和目标识别功能。
六．发展方向现代雷达大多采用数字压缩技术，回波宽度被量化。
其量化精度从目标录取的角度是合适的。
但若进行目标识别，用其来观察目标回波宽度的微小变化则精度不够。
根据目前的技术发展，应接收中频回波，用数字中频接收及脉压处理直接提取高精度的目标回波，进行目标识别。
关于一维距离成象技术。
我们应从图象显示技术和数字中频处理技术两方面入手，开发雷达终端的目标识别技术。
即提取高距离分辨率的回波信号，开发针对性的显示方法。
关于振动频谱识别技术。
可以通过中频回波信号及本振信号，采用数字中频处理技术，并结合目标航迹直接提取目标的振动声音频谱，进行目标识别。
七、雷达目标识别中的特征及特征提取特征选择及提取是雷达正确识别目标的基础和关键，这里以弹道导弹防御为例分析雷达目标识别中可利用的特征及特征提取方法。
弹道导弹飞行过程的目标特性可以从目标的运动学特性、目标的光学特性和目标的电磁散射特性等多个方面加以描述。
弹道导弹的飞行过程是通过主动段、中段和再入段飞行到达地面目标区的。