世界各国对海权维护的日益重视大大促进了海用雷达的快速发展。使用海用雷达对海上和海面目标进行检测是雷达信号处理领域的一个重要课题而海杂波是影响海洋背景下雷达目标检测的重要因素。海杂波是指在雷达波束照射海面后海表面的后向散射回波,海杂波的幅度分布特性对雷达的目标检测、定位跟踪性能有重要影响。海用雷达一般采用波束扫描的工作模式监视大范围的海洋区域,为了提高海面目标检测的效率,波束驻留时间短。因为监视场景广阔,其气象条件、海况、以及雷达照射几何都是随着空间位置变化的,导致海杂波需要用空变K-分布杂波模型来进行建模。所谓的空变K-分布杂波模型就是指描述海杂波的K-分布的尺度和形状参数是随着空间位置变化的。对于传统的K-分布海杂波模型,可以运用二四阶矩或分数阶矩对其尺度和形状参数进行估计。由于空变K-分布杂波模型中模型参数是随着空间位置变化的,也就是说只能使用一个雷达扫描周期内邻近空间分辨单元的回波数据进行参数估计,因此可利用的数据样本常常是不够的。本学位论文针对能够很好描述大场景海杂波的空变K-分布杂波模型的参数估计问题,提出了基于多个扫描周期数据的递归矩估计方法。该方法能够充分利用邻近扫描周期的雷达数据并且实现了“只记忆信息,不记录数据”的海杂波特性感知模式。具有估计精度高和实现计算代价小的优点。本学位论文内容安排如下:第二章对海杂波特性进行全面回顾,包括海杂波的幅度分布以及不同幅度分布对应的参数估计方法。第三章引入了空变K-分布杂波模型描述大场景对海探测的海杂波数据。由于大场景的海杂波幅度分布的模型参数会随着距离和方位变化并且在时间上慢变,多个相继扫描周期的数据可以被利用去解决单扫描周期中局部区域样本不足的问题。空变K-分布杂波模型中海杂波幅度分布的形状参数和尺度参数是距离-方位的光滑函数并且在扫描周期上是慢变的。与K-分布相比,空变K-分布杂波模型能更好建模大场景、大动态范围、多扫描周期的多维海杂波数据。第四章提出了利用多个扫描周期数据的递归矩估计方法估计空变K-分布杂波模型的尺度和形状参数。在提出的方法中,每一个空间分辨单元的局部邻域内数据的二阶和四阶样本矩从多个相继扫描周期的数据中递归计算。递归过程中,当前扫描周期的局部样本和从先前扫描周期数据估计的尺度和形状参数导出的矩加权组合得到当前的样本矩,然后从样本矩中估计尺度和形状参数。在加权和中,遗忘因子或者权值用于适应参数随着扫描周期变化的变化率。提出的方法中,雷达系统仅需要记忆先前扫描周期估计的尺度和形状参数的值而不需要记录先前扫描周期海杂波的数据。另外,当提出的方法应用于雷达时,海陆场景分割和数据中“野点”的排除必须预先完成,这是因为矩估计方法对“野点”是敏感的。