Dobór cech i metody klasyfikacji zależy od rodzaju systemu i jego zastosowania.

Cechy stosowane w ATR nie ograniczają się do parametrów zaczerpniętych z analizy mowy. W zależności od rodzaju czujnika mogą obejmować również cechy obrazu, kształtu, widma oraz charakterystyki ruchu celu.

Algorytmy klasyfikacji

Do automatycznej detekcji i klasyfikacji celów potrzebna jest zazwyczaj baza danych treningowych. Tworzy się ją z danych zarejestrowanych dla obiektów o znanej klasie, a następnie wykorzystuje podczas uczenia i działania algorytmu ATR.

mały|Schemat systemu ATR wykorzystującego cechy cepstralne i model mieszaniny Gaussa

Przykładowy algorytm wykorzystuje M bloków danych. Z każdego bloku wyodrębniane są wybrane cechy, np. współczynniki LPC lub MFCC, które następnie modelowane są za pomocą (GMM). Dla każdego rodzaju celu obecnego w bazie treningowej obliczane jest prawdopodobieństwo warunkowe. Dla M bloków otrzymuje się zestaw M wartości prawdopodobieństwa dla każdego celu, na podstawie których podejmowana jest decyzja klasyfikacyjna.

W badaniach wykorzystujących radary obserwacji naziemnej metoda GMM pozwalała rozróżniać m.in. pojazdy kołowe i gąsienicowe, ludzi oraz zwierzęta.