海杂波是指雷达发射信号照射海洋表面反向散射的回波,海杂波的存在严重干扰了雷达对海洋表面目标检测和定位跟踪的性能,使得在低虚警概率和强海杂波背景条件下雷达识别目标的能力降低,甚至无法识别。因此如果能够在一定程度上降低或消除海杂波的干扰,将能够提高海防预警雷达的目标检测和定位跟踪性能。随着现代技术的发展,如何利用现代技术抑制海杂波,是当前海面目标检测及跟踪领域研究的重点和难点,是科研工作者一直关注的问题。本文给出基于梯度下降的小波神经网络(Wavelet Neural Network, WNN)算法,并对该算法进行两点改进,利用实测海杂波数据,结合相空间重构理论,采用自相关函数法、互信息法、G-P(Grassberger-Procaccia)方法及Cao方法确定时间延迟和嵌入维数,将得到的结果做为网络输入节点个数确定的依据。本文将遗传算法(Genetic Algorithm,GA)引入到改进的网络中,利用GA优化WNN的初始权值、阈值等,确定一个较好的搜索空间,快速寻找最优解或近似最优解。利用本文给出的基于GA-WNN方法学习海杂波内在动力学特性,获得带有海杂波内在动力学特性的预测方程。用IPIX(Intelligent Pixel-Processing)雷达实测数据进行仿真实验。通过对实验结果进行分析比较,验证了本文提出的两种算法能够较好地检测出海杂波背景下的弱小目标信号,实现海杂波对消和抑制的目的,具有较好的海杂波抑制效果。