目前,在军事和民用方面,海杂波中小目标检测均表现出重要的研究意义,随着无线电探测技术在海洋遥感方面的迅速发展,采取雷达信号处理技术有效地实现海洋目标检测就成为一个研究热点。然而,从海杂波中检测出小目标在两个方面表现出问题的严峻性:一方面海洋环境多变,海杂波的统计特征比较复杂,建模较为困难;另一方面海杂波中小目标的散射截面积(Radar Cross Section,RCS)相对较小,速度相对较慢,多普勒域易被海杂波谱掩盖。同时,微波多普勒雷达体积轻便而且测量精度较高,并具备环境干扰小的优势,将其运用于海洋弱小目标检测具有重要现实意义。本文基于微波雷达平台对海洋小目标检测问题展开研究,论文主要内容如下:介绍了海杂波中小目标检测的理论基础。首先结合具体的雷达系统结构和雷达假设检验准则进行阐述;然后,对海杂波的产生机理和统计特征进行说明,并对目标后向散射截面积的统计模型和起伏特性进行讨论;最后,介绍了论文中使用的实测数据情况。对海洋小目标检测中海杂波抑制和目标检测环节的相关技术进行介绍和说明。海杂波抑制部分除了传统的动目标显示(Moving Target Indication,MTI)和动目标检测(Moving Target Detection,MTD),还介绍了基于中位数算子的自适应杂波抑制滤波器。目标检测部分介绍了恒虚警检测算法和匹配滤波检测算法,对实测数据进行了处理,并分析了算法的检测性能。针对慢速和静止目标的特点,介绍了基于分形技术和Hilbert谱脊线特征的目标检测算法,其中基于分形的检测算法从海杂波自相似性和标度不变性出发,依据分形特性在目标和杂波间的差别实现目标检测;基于Hilbert谱脊线特征的检测算法依照静止目标与纯海杂波在时频域的差别实现目标检测。利用特征联合检测算法来改善近杂波区目标的检测效果。该算法通过提取峭度、多普勒峰值和熵值,构成显著区分目标和海杂波差异的特征向量,然后对残余杂波训练单元采用凸包算法获得判别区域,并由凸包混合积实现差异放大,接着以判别区域是否包括待检测特征向量对应点来初步判断目标是否存在,之后针对存在的虚警点迹设定恒虚警门限将其滤除。实测数据处理结果和仿真分析进一步表明,该算法的检测性能相对传统算法有一定改善。针对经验模态分解算法(Empirical mode decomposition,EMD)如何实现自适应目标检测的问题,文中采用了基于模态函数特征谱的检测算法。算法对雷达回波进行经验模态分解,对得到的各个内模分量提取特征谱,并根据特征谱分布情况得到散布特征,最后由散布特征在各个内模函数间的分布差异实现自适应目标检测。算法不需要杂波抑制预处理环节,解决了模态函数自动判别和筛选问题,实现了基于经验模态分解算法的自适应目标检测。