海面目标检测是雷达目标探测的一个重要分支,也是雷达系统设计的基础和前提,在军事和民用领域都具有重要的研究意义。杂波是制约雷达目标检测和跟踪性能的关键因素,对于杂波特性的研究始终是雷达领域的热点。随着雷达分辨率的提高,传统检测方法并不能满足现役装备的需求。因此,本文着重研究了海杂波和目标多维度的特性差异,以及它们在海面目标检测中的应用。论文的主要研究工作如下:1.杂波模型的参数估计直接影响着高分辨长拖尾海杂波背景下的目标检测性能。针对海杂波帕累托分布在参数估计中出现的因估计器适用范围受限导致的检测性能下降的问题,提出了一种基于对数累积量的参数估计方法。所提方法通过梅林变换和完全贝塔函数性质,计算帕累托分布的一阶和二阶对数累积量,将传统的矩估计法和混合矩估计法进行了有效地结合,不仅可以估计所有定义域内的形状参数,且不受观测次数的限制,通过蒙特卡罗仿真实验证明了所提方法可将估计的相对偏差提高至少一个数量级。同时,通过对数变换,将传统的高斯分布杂波背景下的单元平均恒虚警检测器推广到帕累托分布杂波背景下,得到了帕累托分布背景下的分布式目标恒虚警检测器,并通过仿真实验验证了杂波参数对目标恒虚警检测器的影响。2.针对分形理论在应用于海面目标检测时存在的短时观测性能较差的问题,通过在多普勒域对熵进行扩展,提出了一种基于多普勒谱非广延熵的海面目标检测方法。所提方法首先对微分方程的解的形式进行幂次的推广,由仅能反映回波宏观量值的香农熵推导得到了可以反映杂波非线性特性的非广延熵。其次给出了非广延熵与分形维数之间的关系,同时对描述多重分形特性的非广延参数的选取进行了分析。根据有目标单元回波的多普勒谱同纯杂波单元回波的多普勒谱相比存在明显的聚集性,以及海杂波单元存在明显的多重分形特性而目标不存在多重分形特性的特点,提出了基于多普勒谱非广延熵的海面目标检测方法。最后通过IPIX雷达实测数据将所提方法与现有方法进行比较,验证了所提方法的有效性:与现有的多重分形频域Hurst指数方法和基于香农熵的方法相比,所提方法在观测时间较短的情况下,对海面小目标的检测概率可提高约10%。3.针对海杂波背景下基于极化域杂波特性的目标检测方法存在信息利用有限性和维度单一性的问题,将极化特征提取和模式识别相结合,提出了一种基于极化联合特征的海面目标检测方法。该方法从不同的信息维度提取了表征目标与杂波散射差异的极化特征:（1）由于海杂波是低擦地角随机散射,其散射机理中随机性较大,而目标具有的特定结构降低了回波中散射的随机性。因此,通过对海杂波和目标的极化协方差矩阵进行Cloude极化分解,提取极化熵和极化反熵的数学期望,以反映杂波单元和含目标单元回波散射机理的随机性差异;（2）海杂波和目标回波的散射成分不同,目标的人造结构使得其散射回波中球面散射体、二面角散射体和螺旋散射体这三个散射分量的归一化系数远大于杂波的归一化系数。因此,通过对海杂波和目标的极化散射矩阵进行Krogager极化特征分解,提取这三个散射分量的归一化系数,以反映杂波单元和含目标单元回波散射机理的结构组成差异。基于提取的极化特征,采用一类支持向量机（One-Class Support Vector Machine,OCSVM）来区分目标和杂波。与现有的极化检测方法相比,所提方法利用到的极化信息具有更强的丰富性和全面性,从而可提高对海面小目标的检测性能。不同海情下IPIX数据的实验结果表明了该方法的有效性。4.针对特征检测中存在的因基本分类器模式固定而无法灵活学习样本的内部结构,导致分类器适用性和灵活性有限,从而不能适应复杂多变的海杂波检测场景的问题,提出了一种基于局部一类支持向量机（Localized-OCSVM,LOCSVM）的海面多维度特征检测方法。特征提取阶段,该方法从三个维度提取了反映小目标与杂波特性的特征:（1）从极化维度,基于极化散射矩阵提取了球面和二面角散射分量的相对功率。（2）从多普勒和分形维度,从全极化通道回波中提取平均非广延熵来反映待测单元的多普勒和分形特征。在检测阶段,通过将k均值聚类引入OCSVM,提出了LOCSVM作为检测器。LOCSVM针对不同的样本,通过多个分类器的集成,模拟出复杂的非线性分类界面,实现对样本空间内部结构的深入学习。在复杂的海面检测背景下,当目标和杂波的样本出现交叉混叠时,可实现目标和杂波分类界面的非线性化,从而提高小目标的检测性能。IPIX数据的实验结果表明,改进的分类器在不同海情下可通过调节聚类个数提高目标的检测性能。