海面上小目标的雷达检测技术在港口交通、海浪监测、海难和空难搜救、军事侦察等场合中具有广泛应用。对于海面上的小目标,其雷达信号通常较弱,这在目标检测中是个困难的任务。此外,海面雷达信号是典型的非平稳随机信号,对其进行检测需要选择合适的特征和检测器。为了实现海面上弱目标检测,需要在复杂海杂波背景下,迅速准确地提取雷达回波信号中的有用特征信息,并进行识别分类。本文研究了海面弱目标检测技术,主要工作如下：(1)针对海杂波的非平稳特性,应用三参数的分数阶傅里叶变换来处理海杂波信号,使易混淆的主目标与次目标信号特征差别增大,为后续目标识别奠定基础。(2)根据海杂波的非平稳特征,用Hurst指数、Lyapunov指数、分形维数、多重分形谱、近似熵等对其进行表征,并用遗传算法优化选择选取了一种新的联合特征向量,通过特征互补,使特征向量更好表征海杂波的特性。(3)将深度信念网络与隐马尔科夫模型相结合作为目标分类器,应用联合特征向量作为模式分类器的输入进行训练；训练完成后,将其用于海杂波信号的分类,取得了良好的实验结果。测试数据选用加拿大McMaster大学IPIX雷达数据。仿真实验结果表明,本文的海杂波目标识别方法检测准确度较高,在低信噪比情况下也具有良好的检测性能。