分析导弹尾焰可知, 影响其光谱变化的主要因素包括发动机、燃料等, 故根据尾焰光谱可以达到导弹型号识别的目的。为保证识别效率, 用特征光谱代表尾焰特征, 可大大缩减数据量。首先根据光谱差模型计算出各波长处的辐射差, 通过设定阈值将辐射差分段, 高于阈值的波段即为所选的特征波段。改变积分步长和阈值可获得几组不同数据。分别采用光谱角匹配算法(Spectral Angle Matching algorithm, SAM)和模糊算法对不同精度和不同特征波段的数据进行处理, 得到识别结果。以识别结果的正确率和待识别样本与各型光谱的相似度距离为衡量标准, 模糊算法识别效果可与SAM相当, 但其在算法复杂度方面优于SAM。

目前基于天基高光谱图像的导弹识别算法都是从光谱曲线的整体分析考虑, 所需数据量大, 算法处理冗余。为弥补算法不足, 首先从导弹尾焰光谱的影响因素考虑, 分析了导弹发动装置, 燃料成分及温度压强对尾焰光谱的影响, 得出在一定假设条件下, 使用特征段处的辐射数据即可达到导弹识别的结论。在此基础上引入模糊识别算法, 算法充分利用辐射强度与光谱线型信息, 识别结果是各型号导弹的隶属概率。通过对光谱角测度分析, 发现其过于依赖线型, 对线型相近的谱线识别效果不佳, 将模糊识别结果与光谱角测度识别结果对比, 证实了模糊算法在光谱识别中的优越性。

助推段导弹有高温、大面积的尾焰,根据尾焰光谱特征可准确识别导弹。将其应用到天基预警系统能够使导弹防御系统趋于完善,但光谱信息数据量庞大,从获取光谱信息到识别光谱信息需要耗费大量时间。为此,寻找能够代表导弹尾焰光谱的特征光谱,使用模糊算法对特征光谱进行数据处理,以达到准确、快速识别的目的。利用已有的红外图像和大气、云层、导弹及飞机尾焰光谱数据进行特征光谱图像拟合,经信噪比分析后可知,特征光谱图像比全波段红外光谱图像的信噪比高。分别使用模糊算法和光谱角测度对拟合图像进行处理,结果表明模糊算法的实时性和准确性优于光谱角测度。

现有天基红外导弹预警系统对目标的探测侧重于对红外图像的处理。从光谱维数据分析角度出发结合支持向量数据描述基本理论，提出了一种基于导弹尾焰特征谱的SVDD 检测方法。应用小样本训练数据建立了单分类器，以11 型导弹目标的红外辐射尾焰特征谱数据作为训练样本，比较了RBF 与SSM 作为核函数的检测效果，应用交叉检验的方法确定宽度因子和相似临界因子的值，结果表明，在低信噪比红外图像中，基于SSM-Kernel 的SVDD 检测性能优于基于RBF-Kernel 的检测性能。应用训练样本数据的辐射双峰所对应中心波长作为匹配模板进行识别，实验表明方法具有可行性。

针对高轨道红外探测系统，分析了弹道导弹尾焰的红外探测性能。采用大气校正软件PCModWin对不同高度和不同太阳天顶角下的大气透过率和大气背景辐射进行了计算。根据计算结果，对系统作用距离、信噪比和信杂比等红外探测性能参数进行了分析。分析表明：信杂比指标满足系统设定要求；作用距离和信噪比性能指标并不理想；通过改善探测器和光学系统参数提高性能指标，可达到系统设定要求。