对海探测技术的发展能够为我国和平利用和开发海洋资源、维护国家海洋安全和利益、坚定推进海洋战略等方面提供强有力的支撑和保障,对海探测雷达是其中的重要组成环节。然而,由于海洋环境复杂,随机多变的海杂波为雷达探测带来了较大干扰,使用传统方法进行处理时存在低信杂比情况下性能受限,以及难以适用于雷达不同工作模式等问题。这些复杂环境或任务场景使得海杂波抑制成为具有挑战性的难题。本文围绕上述海杂波抑制问题展开研究,对复杂场景下基于复值神经网络模型的海杂波抑制技术进行了深入研究,并通过仿真加实测数据进行了实验验证。本文具体工作如下:1.针对实测海杂波数据进行了幅度统计特性分析,通过拟合优度检验分析了实测海杂波幅度分布的复杂性。然后针对海杂波与目标信号在多普勒域混叠的情况,分析了海杂波和目标的分数阶域特征和奇异值特征,并研究了基于分数阶域奇异值分解（SVD-FRFT）的海杂波抑制方法解决混叠问题,最后利用实测数据验证了方法的有效性。2.针对雷达扫描模式下前述传统方法难以应用的问题,提出了基于复值神经网络的海杂波抑制方法。首先引入语义分割思想,利用UNet网络初步解决了目标特征学习与多目标海杂波抑制问题,然后通过对网络进行复值化改进,使网络能够处理复信号。之后构造了不同深度的U型编/解码网络研究模型深度对海杂波抑制性能的影响。最后结合恒虚警检测构建了海杂波抑制检测架构。3.研究了基于复值卷积轻量化的轻量化复值神经网络,有效解决了复值UNet网络参数量多与计算量大的问题,同时保证了网络抑制性能的提升。研究了面向复值神经网络的模型压缩方法,分别通过传统的知识蒸馏和融合特征知识蒸馏方法实现对小型复值网络海杂波抑制性能的提升,有效解决了模型压缩导致的稳定性下降问题。4.分别研究了基于自注意力机制和复值残差结构的改进方法,对复值UNet网络和轻量化复值神经网络进行稳定性改进,实现了网络模型海杂波抑制性能的提升,有效解决了低信杂比情况下海杂波抑制稳定性下降问题。