雷达通过回波中目标与杂波的差异来区分目标并实现目标检测。在对海雷达的多种干扰杂波中,海杂波是影响雷达探测的主要因素。传统的基于统计模型的方法在应用中容易发生模型失配的情况,导致雷达对目标和海杂波的区分能力降低。分形理论具有描述海杂波产生机理的特点,能较好的区分雷达目标与海杂波,因此,本课题采用分形理论增强雷达目标与海杂波的差异。具体的研究内容及成果如下:(1)基于混合分形特征的雷达目标与杂波差异增强方法研究。针对现有消除趋势波动分析(Detrended Fluctuation Analysis,DFA)法只使用一种分形特征,在低信杂比条件下不能有效区分雷达目标与海杂波的问题,给出了一种基于混合分形特征的方法,增强了雷达目标和海杂波的差异。首先,通过DFA方法提取拟合直线截距和拟合残差两种分形特征,分析说明了这两种分形特征的特性。接下来,针对它们在小尺度范围下的差异,利用拟合残差和截距组成混合特征。最后,以混合分形特征作为区分量,通过实测雷达数据验证了该方法的有效性。实验结果表明,与传统的基于DFA的Hurst指数方法相比,该方法在数据长度较短(2048点)时能有效增大雷达目标与海杂波的差异。(2)基于多重分形的导航雷达目标与杂波差异增强方法研究。在导航雷达海杂波数据采样点数不足时,分形方法难以用来区分雷达目标和海杂波,采用多重分形消除趋势波动分析(Multifractal Fluctuation Analysis,MF-DFA)法分析导航雷达海杂波数据,增大雷达目标与海杂波的差异。首先,给出了导航雷达海杂波序列的构建方法。根据构建的导航雷达海杂波序列,采用MF-DFA方法验证了导航雷达海杂波序列的整体多重分形特性,并确定了尺度区间的范围。最后,分别考虑导航雷达海杂波序列为随机游走过程和增量过程,采用MF-DFA方法计算导航雷达海杂波数据的多重分形指数。实验结果说明,将海杂波数据作为增量过程的方法,雷达目标与海杂波的差异明显增大,在采样点数不足时该方法对雷达目标和海杂波具有较好的区分能力。(3)结合本课题中给出的算法,搭建了实验验证平台。给出了实验平台的实现方案,并设计了各模块的具体功能。最后,设计实现了该实验平台。