目标判别技术在军事活动、航空航天、天文气象、工业生产以及日常生活当中具有广泛的应用需求，因此是计算机视觉、图像处理、自动控制、模式识别等领域的研究热点之一，其中的两个关键环节为目标的特征描述与相似性评价。近年来，随着GPS等各类传感与定位技术的发展，产生了大量目标的GIS数据，形成了又一新的目标特征——轨迹。而现有目标判别算法多以几何特征、电磁特征等作为判别依据，将轨迹数据当作目标判别的特征仍有待研究。而这其中的关键问题在于如何给出轨迹的相似性判据，从而判定目标。　　本文从实际项目需求角度出发，对轨迹相似性度量方法进行了研究，并结合应用背景进行了改进，使之能够适用于大空间范围，噪声干扰强，数据规整性差的真实应用场景，进而组成了一套通过对同一目标的轨迹进行聚类提取出目标的频繁行为特征，之后通过将轨迹与这些特征行为比对进行目标判别的原型系统。　　论文的主要工作如下:　　1、针对现有轨迹相似性度量的各种算法在应用中存在的不足，提出了一种结合了DTW算法和编辑距离算法优点的轨迹相似性度量算法。该方法保留了DTW算法允许轨迹采样间隔不等、长度不一致的优点，结合了编辑距离的计算方法对轨迹中的噪声和真正的不相似部分区别对待，并对最终结果进行了归一化处理，使其在可用于多对轨迹相似程度排序的基础上增加了其可理解性。实验结果表明，该方法在真实数据集上具有良好的适用性和鲁棒性。　　2、在轨迹的相似性度量的基础上，对同一目标的所有轨迹积累进行聚类处理，得到目标的频繁行为模式的轨迹表达，从而将轨迹转变为目标判别的特征。通过将未知目标的轨迹与已有目标的轨迹模型进行分类比对处理，从而对未知目标的轨迹进行了判别。