高频地波雷达,可以突破地球曲率的限制,探测到视线以下的目标。在雷达回波中往往存在着大量的干扰和噪声。高频雷达一阶海杂波是雷达回波中最主要的干扰之一,它的能量往往很高,严重影响目标的检测。可是从另一方面来讲,海杂波包含着大量的海态信息,是海态反演的主要检测对象。当海面上存在着洋流、浪涌和强风时,一阶海杂波会产生频率谱的分裂和展宽现象。这时候海杂波与周围的目标将难以区分,极大的增加了目标检测和海杂波检测的难度。如何准确的检测海杂波是工作的难点。本文的目的就是为了能很好的检测出海杂波的Bragg峰。首先本文将详细的讨论海杂波产生的机理、影响海杂波Bragg峰位置的因素和影响海杂波展宽和谱分裂的原因。这些工作已经被前人大量研究讨论过了,所以本文只做介绍,不做定量仿真分析。本文感兴趣的是洋流对于宽波束高频雷达海杂波产生的影响,由于这方面情况比较复杂,一般只做定性分析,本文将尝试做一些定量的分析,如洋流角度变化,洋流变化速度对海杂波形态和位置的影响。海杂波的检测一直是高频地波雷达研究的重点。由于本文的数据中海杂波存在着严重的展宽、分裂和位置偏移等现象,且海杂波周围环境恶劣,存在着大量的干扰和噪声。传统的在理论位置寻找极大值的方法将受到限制。针对这些特点,本文先提出了基于多阈值分割处理和能量质心检测的两种海杂波图像处理方法。利用海杂波在高频雷达回波RD谱的图像特征去除海杂波周边的小目标和干扰,得到海杂波所存在的准确区域。在这个区域我们利用海杂波的极值、连续性等特征来寻找海杂波Bragg峰的位置。这种方法不仅能找出海杂波区域的最大Bragg峰,也能找到海杂波的分裂谱峰,而且这种方法具有极强的鲁棒性和自适应性,能抗恶劣海态环境干扰,取得了较好的检测效果。最后,本文提出了一种基于特征统计学习的一阶海杂波检测方法。。我们首先根据海杂波回波的特性将这些特征全部提出出来,建立一个海杂波特征库。然后,将这些海杂波特征全部输入到BP神经网络中进行学习训练,将训练好的网络与目标数据匹配,不断比对不同特征训练出的网络的检测结果,选取最优的特征组合,得到最终的检测网络。为海杂波的检测提供了一种新的思路。