非均匀海杂波场景下，传统自适应检测器的检测性能和恒虚警特性严重恶化，极化信息的应用能够有效地提高雷达目标检测和识别性能。本文主要研究非均匀海杂波中基于知识的自适应极化检测器的设计与分析。首先，由于高分辨雷达的使用，瑞利模型不能再用来表示海杂波的分布特性。为此，使用IPIX雷达实录数据对海杂波进行了统计研究。分别分析了I和Q分量的峰度和倾斜度、幅度的概率密度函数和累积分布函数等，指出海杂波更适合用纹理分量为逆伽马（iGamma）分布的复合高斯模型进行描述；并提出了利用旋转不变随机过程来产生指定均值向量、协方差矩阵的海杂波仿真数据。然后，针对纹理分量为iGamma分布的复合高斯模型，基于广义似然比检验推导了一种自适应极化检测器，并推导了其虚警概率的解析表达式。仿真分析验证了该自适应极化检测器的检测性能和恒虚警特性。最后，提出了由基于极化知识的数据选择器和自适应极化检测器两部分组成的基于知识的自适应极化检测器。针对非均匀的训练数据，设计了基于极化特征知识的数据选择器，包括最大似然估计极化数据选择器和期望最大化极化数据选择器。该方法在野值杂波比较低时仍能够有效地去除野值，改善杂波协方差矩阵的估计性能。使用数据选择器得到的均匀训练数据进行协方差矩阵估计，并应用于极化检测器中以适应非平稳的杂波环境。利用仿真海杂波数据和真实的IPIX雷达数据进行了仿真分析，表明相比于未进行数据选择的自适应极化检测器，基于知识的自适应极化检测器具有更好的检测性能。