FOD是Foreign Object Debris的缩写,是指位于机场环境中任何可能对航空器造成损害的物体。及时检测并清除FOD是保证航空器起降安全的重要环节。FOD自动探测系统可以及时、高效地对FOD目标进行检测,但现有的探测系统对于微小尺寸的FOD目标检测效果较差。基于此,本文对微弱FOD目标检测算法进行了研究,并将分类思想应用于目标检测问题中,提出了几种适用于微弱FOD目标检测的分类算法。本文的主要内容如下:1、对两种经典的恒虚警率（CFAR）检测算法进行了研究,分别是单元平均恒虚警（CA-CFAR）和杂波图平面恒虚警（CACM-CFAR）。首先对这两种恒虚警检测算法的原理进行了详细介绍,然后基于机场实际测量数据验证了两种算法对微弱FOD目标的检测效果。2、首次将分类思想应用到了FOD目标检测问题中,提出了基于支持向量数据域描述（SVDD）和含有负类样本的支持向量数据域描述（NSVDD）分类器的微弱FOD目标检测算法。首先介绍了两种算法对FOD目标的检测原理,然后详细描述了SVDD和NSVDD模型的设计过程,包括提取回波功率谱特征、利用粒子群（PSO）算法优化分类器参数等。最后验证了两种算法的检测性能,并与两种CFAR检测算法进行了对比。3、进一步讨论了分类思想在FOD检测问题上的应用,并提出了基于卷积神经网络（CNN）的微弱FOD目标检测算法。首先设计了用于检测FOD目标的CNN模型,然后构建了仅包含地杂波回波和既包含地杂波又包含FOD目标回波的图像数据集用于对网络进行训练和测试。测试集的分类结果验证了CNN方法检测微弱FOD目标的有效性。最后对本文提到的几种算法进行了性能对比。