海杂波是指海洋表面的雷达反射回波，它的存在严重的干扰了船舰雷达的目标检测能力。随着海上贸易事业的发展，海上安全已越来越重要。因此研究海杂波的特性以及在海杂波背景下的目标检测有着深刻长远的意义。本文分别基于海杂波的统计特性和混沌特性对其进行了深入分析。基于统计学特性我们把海杂波看成是一种随机过程模型，采用ZMNL和SIRP两种建模方法产生具有一定概率分布的相关随机序列。并用瑞利分布、Log-Normal分布、Weibull分布和K分布对海杂波进行模拟。然而实际上，海杂波是一个自然存在的物体，只是表面上看似随机过程，因此无论何种统计分布模型，都不可能反映出海杂波的本质。通过研究海杂波的Lyapunov指数和Kolmogorov熵等混沌不变量，都表明海杂波具有确定因素，至少短时间内是可以预测的，是一种混沌信号，所以混沌特性更能揭示海杂波的内在特性。本文基于海杂波统计特性进行目标检测方法即恒虚警率目标检测法（CFAR）。此目标检测法认为海杂波是线性的，目标的回波幅度远大于海杂波幅度，基于此设定一个检测门限，通过验证此目标检测方法检测幅度较大的海上目标性能较好。因为基于海杂波混沌动力学特性，可以深刻的揭示出海杂波的内在特性。本文使用S.Haykin教授采集的IPIX雷达海杂波数据，首次利用GRNN网络进行海上目标检测，检测过程为首先对海杂波数据相空间重构，再采用一段相空间重构后的海杂波数据进行GRNN神经网络训练。利用训练好的神经网络，根据目标的回波特性和海杂的回波特性不同来进行在强海杂波下的小目标检测，其效果与恒虚率方法相比明显较好。并且对GRNN网络和RBF网络的目标检测性能进行了比较。最终，本文根据软件模块化思想，运用Matlab软件设计了具有良好人机交互性能的海杂波特性仿真及目标检测平台。平台包括海杂波仿真与建模、恒虚警率目标检测和神经网络目标检测三个模块，具有较强的实用性。