海杂波抑制及其背景下的目标检测技术一直是当前雷达信号处理领域研究的热点和难点。由于海杂波产生的机理极其复杂,对于海面慢速微弱目标以及漂浮目标而言,其多普勒谱与海杂波的多普勒谱相混叠,目标被强海杂波所淹没,传统的基于频域滤波的方法很难将目标提取出来。为了适应现代雷达目标检测的高要求,在海面回波实测数据的基础上,深入研究分析海杂波和海面目标的特性,根据二者的特性差异,设计具有良好性能的目标检测算法是一个非常有意义的研究方向。本文在IPIX对海雷达实测海面回波数据的基础上围绕着海杂波背景下的目标检测技术进行研究。首先基于实测海杂波数据深入研究分析了海杂波的性质,在此基础上本文开展了基于海杂波和目标振荡特性差异及混沌特性差异的海面慢速微弱目标及漂浮目标的检测研究,并且通过仿真实验验证了相关算法的有效性及优势。本文的主要内容及创新如下:1、在IPIX对海雷达实测海面回波数据集的基础上,以理论分析结合实测数据验证的方式,深入研究、分析了海杂波的幅度分布统计特性、混沌特性、时间相关性、空间相关性以及振荡特性。2、根据海杂波和目标回波振荡特性的差异,引入稀疏表示思想,形态分量分析方法（Morphological Component Analysis,MCA）对海面回波建立了约束优化模型;设计了自适应可调Q小波变换（Adoptive Tunable Q Wavelet Transform,A-TQWT）算法。在此基础上提出了基于A-TQWT的海面慢速微弱运动目标检测算法,通过仿真证明了该算法可以有效检测出落入海杂波多普勒通道中的慢速微弱目标,并且海杂波的抑制是自适应的,不需要任何杂波和目标的先验信息,具有良好的工程实用价值。3、基于实测海面回波数据证明了海面回波时间序列具有混沌特性。研究了海面回波时间序列的排列熵（Permutation Entropy,PE）和加权排列熵（WPE）特征,并以此来对海杂波和目标的复杂度及随机性信息进行定量刻画。证明了海面回波时间序列的PE和WPE特征对海杂波和目标进行区分的可行性,并且相比PE特征,WPE特征具有更好的区分度。在此基础上提出了基于海面回波时间序列的WPE特征的目标检测算法,并在高、中、低三种不同海况条件下基于实测数据对算法的性能进行了验证。4、引入变分模态分解（Variational Mode Decomposition,VMD）思想,基于相关性指标设计了自适应变分模态分解（Adoptive Variational Mode Decomposition,A-VMD）算法。对海面回波信号进行自适应分解后选取对海杂波和目标区分度较好的固有模态函数（Intrinsic Mode Function,IMF）分量进行重构。在此基础上证明了经A-VMD分解后的重构信号的WPE特征相比原始信号的WPE特征具有更好的区分目标和海杂波的能力,进而提出了基于A-VMD和WPE特征联合的海面目标检测算法。经实测数据验证,该算法的特征区分能力更强,可以在高、中、低三种不同海况条件下有效检测出海面漂浮微弱目标。