海杂波特性的精细化感知是实现海杂波抑制以及海面“低、慢、小”目标高效检测的基础。而实现这一方案的关键在于海杂波的精确建模以及高效可行的参数估计方法。目前针对海杂波建模应用较为广泛的模型主要是三种不同分布纹理下的复合高斯模型。而针对复合高斯模型的参数估计方法主要存在以下几个问题:首先,最大似然类参数估计方法在性能上具有优势,但是其计算效率存在一定的瓶颈。其二,传统参数估计方法容易受到探测场景中以小概率普遍存在的异常样本的影响。其三,在高分辨雷达体制下,由于近海探测场景的多样性,参数估计面临由独立同分布样本数目不足而导致的所谓“小样本问题”。本文从计算可实现的雷达实际应用角度出发,研究复合高斯模型下适用于不同场景的模型参数估计问题。本学位论文的主要研究成果可以概括如下:第二章首先回顾海杂波的散射机理以及经典的海面回波后向散射数学模型,详细推导了复合高斯模型的建模过程,并对于三种不同纹理下复合高斯模型常见的参数估计方法给出介绍。针对逆伽马纹理下最大似然估计方法计算效率较低的问题,给出一种最大似然估计方法的改进形式,即迭代最大似然估计。第三章首先说明对海探测场景下经常出现的异常样本现象,对于异常样本的出现形式以及通常研究人员针对异常样本给出的解决方案进行分析,并针对经典参数估计方法在该种情形下失效的问题,对基于双分位点的参数估计方法进行推广,给出一种逆伽马纹理下,复合高斯模型异常样本稳健的基于截断矩的参数估计方法。第四章给出一系列结合参数先验分布信息的贝叶斯参数估计框架。首先针对逆伽马纹理下,经典高阶矩估计类方法引入高阶矩估计误差的问题,给出一种zlogz方法的改进形式,我们称之为zFlogz参数估计,紧接着针对zFlogz最优阶数随形状参数取值发生改变的问题,给出一种基于多帧数据参数先验信息的贝叶斯框架,用于最优阶数的选取。然后针对运动平台下海杂波数据采集中的可能出现的空时二维小样本问题,给出一种基于参数先验分布统计信息的贝叶斯参数估计方法。