La firma de micro-Doppler representa el estado de micromovimiento de un objetivo y se utiliza en la tecnología de reconocimiento y clasificación de objetivos. La frecuencia de micro-Doppler aparece como una transición de la frecuencia de Doppler debido a la rotación y vibración de un objeto. Por lo tanto, es posible rastrear y clasificar objetivos con alta precisión de reconocimiento. Sin embargo, es difícil distinguir los tipos de objetivos al subdividir objetivos con el mismo micromovimiento o al clasificar diferentes objetivos con velocidades similares. En este estudio, abordamos el problema de la clasificación de tres objetivos diferentes con velocidades similares y la segmentación del mismo tipo de objetivos. Se desarrolla un procedimiento de extracción de firma novedoso para reconocer automáticamente objetivos de dron, ave y humano explotando las diferentes firmas de micro-Doppler exhibidas por cada objetivo. El algoritmo desarrollado se basa en una adaptación novedosa de la técnica de curtosis espectral de los ecos de radar reflejados por los tres tipos de objetivos. Además, se utilizan capas de incrustación de imágenes para clasificar la curtosis espectral de objetos con el mismo micromovimiento. Aplicamos una red neuronal profunda ResNet34 a imágenes de micro-Doppler para analizar su rendimiento en la clasificación de objetos que realizan micro-movimientos en los datos de radar bistático recopilados. Los resultados demuestran que el método propuesto diferencia con precisión los tres objetivos y clasifica eficazmente múltiples objetivos con el mismo micromovimiento.