本文的核心主题是“基于动态时间规整的空中目标机动识别”，属于研究论文范畴。文章发表于《Fire Control & Command Control》杂志2018年9月的第43卷第9期，由作者YAOPei-yang、ZHOUWang-wang、ZHANGJie-yong和WANGXun联合撰写，所属机构为空军工程大学信息与导航学院，位于西安。
在摘要中指出，目前识别空中机动目标的方法识别率低，耗时长。为解决这一问题，作者提出了基于动态时间规整（DTW）的空中目标机动识别算法。此算法首先提取由目标跟踪生成的空中目标飞行轨迹的动态序列，作为测试模板。然后使用DTW算法将测试模板与参考模板进行匹配，以识别空中机动目标的机动类型。基于相同的训练样本和测试，将基于DTW算法与隐马尔可夫模型（HMM）进行比较。比较结果显示，DTW算法具有更高的识别率，并且用时更短。
关键词包括机动识别、动态序列、动态时间规整、隐马尔可夫模型。
文章的主体部分详细描述了算法的实现过程。首先介绍了动态时间规整（Dynamic Time Warping, DTW）算法的原理。DTW是一种用于测量两个时间序列之间相似性的算法，即使在两个时间序列的速度不同的情况下也能找到两者之间的最佳匹配。DTW算法的核心思想是“弯曲时间”，通过在时间轴上的伸缩变形来对齐两个时间序列。
接着，文章阐述了如何利用DTW算法来提取飞行轨迹的动态序列，并用它作为测试模板。动态序列可能包括诸如飞行速度、高度、俯仰角、偏航角等多种参数，这些参数在不同的时间点会有所不同，形成动态序列数据。
在识别过程中，作者利用DTW算法将飞行轨迹的动态序列与预定义的机动模板进行匹配。通过计算两者之间的DTW距离，可以判定目标轨迹与模板的相似度。如果相似度超过预设的阈值，则可判定目标执行了相应的机动动作。
此外，文章还涉及了隐马尔可夫模型（Hidden Markov Model, HMM）。HMM是统计模型，它假设系统可用马尔可夫过程来描述，其中的马尔可夫过程是隐藏的，不可直接观察，只能观察到与之相关的输出序列。在目标识别领域，HMM常用于模式识别和时间序列分析。
作者将基于DTW算法的识别结果与基于HMM的结果进行对比，通过实验验证了DTW在识别准确性与速度上的优势。DTW不仅提高了识别率，还减少了处理时间，这对于快速准确地识别空中目标的机动行为具有重要意义。
文章最后指出，尽管DTW算法表现出了优秀的性能，但研究仍存在局限性，并对未来的改进方向提出了展望。例如，作者提到了可以进一步优化DTW算法，提高其在各种复杂环境下的鲁棒性。
整体而言，本文为识别空中机动目标提供了一种新方法，显著提升了识别效率和准确性，对航空领域目标识别技术的发展具有一定的推动作用。同时，通过对比DTW与HMM的优劣，为后续研究者提供了宝贵的参考。
