无人飞行器（UAV）的雷达自动目标识别（RATR）涉及发射电磁波（EMW）并对接收到的雷达回波进行目标类型识别，这在国防和航空航天领域有着重要应用。以往的工作表明，与单静态雷达配置相比，在 RATR 中采用多静态雷达配置具有优势。然而，多静态雷达配置通常使用融合方法，从概率角度来看，这种方法将多个单独雷达的分类向量进行了次优组合。

为解决这一问题，本研究利用贝叶斯分析法为无人机类型分类提供了一个完全贝叶斯的 RATR 框架。具体来说，我们采用了一种最优贝叶斯融合（OBF）方法，从预期 0-1 损失的贝叶斯视角出发，制定了一种后验分布，将给定时间步长内多个单个雷达观测数据的分类概率向量汇总在一起。这种 OBF 方法用于更新关于目标无人机类型的单独递归贝叶斯分类（RBC）后验分布。RBC 后验分布以多个雷达在多个时间步长内的所有历史观测数据为条件。

为了评估所提出的方法，我们模拟了七架无人机的随机行走轨迹，并将目标的纵横角与在消声室中获取的雷达截面（RCS）测量值相对应。然后，我们比较了单雷达自动目标识别 (ATR) 系统和次优融合方法与 OBF 方法的性能。经验表明，与 RBC 相结合的 OBF 方法在分类准确性方面明显优于其他融合方法和单一雷达配置。