随着雷达带宽的增加，检测目标的尺寸往往会大于雷达的距离分辨单元，此时检测目标不再呈现传统的点分布，而是具有多个强散射点组成且目标回波会分布在多个距离单元中，即目标的检测成分布式特点。因此本文对分布式目标的检测算法做了深入研究，主要做了如下工作：1、在复合高斯杂波环境下，设计了次优及最优检测器。次优检测器把复合高斯杂波的纹理分量看作确定的未知常量，检测器形式简单，计算量远低于最优检测器。分析了忽略纹理分量信息给检测器带来的性能损失，并得出结论：复合高斯杂波的纹理分量对检测器的性能影响较小，一般情况下可以忽略不计。2、研究了部分均匀杂波中有多组或一组观测数据的一阶及二阶高斯模型下自适应子空间检测问题。针对每类观察数据又研究了当噪声的协方差矩阵未知和已知时的检测器设计方法。对于已知噪声协方差矩阵的二阶高斯模型，给出了检测器的虚警概率与检测概率的近似闭合表达式。当噪声协方差矩阵未知时，重点研究了单个观测数据的情况，并给出了一阶，二阶高斯模型下检测器的检测概率与虚警概率的闭合表达式，且虚警概率的表达式对乘积因子和噪声协方差具有恒虚警特性。最终给出了检测器的性能仿真。3、针对缺少辅助数据单元的噪音环境，把分布式目标检测中的噪音建立成具有未知参数的自回归AR模型。考虑均匀和非均匀两种噪音环境，不借助辅助数据来完成检测器的设计，该检测器与广义似然比检测器具有相同渐近性。仿真结果表明，在缺少辅助数据的均匀及非均匀环境中检测器具有较好的检测效果。4、根据信号与噪音的Lipschitz指数特性，提出一种对分布式目标检测信号的小波去噪算法，可全尺度的分离信号和噪音。同时，利用自适应阈值和模极大值预处理序列来最大程度的保留信号的奇异点，重构算法是基于多项式插值函数的。仿真结果表明，该方法与经典Mallat去噪算法相比，在信噪比方面平均提高了10%，均方根误差平均降低了35%，平均处理时间减少了88%。