赵佳欢 杨海明 邱令存

上海机电工程研究所，上海201109

0 引言

目标类型识别是防空作战领域的研究热点。在现代信息化战争中，识别敌方来袭目标的类型是指挥控制系统做出正确决策的重要依据，准确地识别目标类型有利于精确的威胁评估和合理的火力分配，从而提高我方防空武器系统的作战效能[1-2]。

面对高动态不确定性的战场环境，空袭目标种类和数量剧增，如何根据雷达目标序列数据准确而又快速地识别目标类型是一个急需解决的问题。传统的方法主要依据目标的高度和速度特性对目标类型进行判断[3]，文献[4-5]利用贝叶斯网络对目标类型进行识别，该方法存在的问题是对于目标高度、速度等一系列非离散的数据，需要依据经验进行离散化，该过程专家主观因素比重过大。文献[6]提出一种基于支持向量机(Support Vector Machine, SVM)的目标识别模型，该模型结构简单，在小样本训练集上表现优秀，但在面对大规模样本时将消耗大量的机器内存和运算时间，且经典SVM算法很难处理多分类问题。

不同类型的目标，其运动特性、行为特性有所不同，其差异性会体现在目标不同维度的特征中。传统方法仅仅依据目标的速度和高度特征进行目标类型的判断，但有些类型的目标运动特性起伏大，不同类型的目标之间在高度、速度特性上会有重叠，这些因素都降低了识别的准确率。除了目标速度、高度等特征以外，本文考虑引入雷达目标信噪比(Signal-Noise Ratio, SNR)特征用于目标识别，增加识别准确率。……