双基地雷达在现代雷达技术中处于热点的研究领域，尽管如此，当前对于双基地海杂波特性的理解能力仍是有限的。与单基地海杂波谱不同，由于收发分置，双基地海杂波谱具有更复杂的谱特性。同时，双基地海杂波不论是在目标检测还是测量海面特性参数中都扮演着非常重要的作用，能否大量快速并有效地提取海杂波的特征对后续雷达技术的研究有着关键的影响。本课题研究的是基于智能学习的双基地海杂波检测。为此，首先建立了双基地雷达的几何模型，便于理论分析双基地海杂波的成因。分析并仿真了双基地角、距离和、海面信息等影响海杂波多普勒频移的因素，讨论双基地海杂波出现固有的谱特性。第二部分根据双基地海杂波谱的特征并基于实测数据有效的检测一阶海杂波距离单元上的多普勒频移即Bragg谐振频率的位置。首先设计了一个人工检测海杂波的系统方便对所需的批次方位提取真实的Bragg峰，对人工检测得到的大量Bragg峰位置建立一个特征数据库，为后期自监督网络的训练、测试提供检测性能的标准。然后详细研究了局部峰值法、梯度最大法和小波变换模极大值法分别在平稳环境和非平稳环境下检测的性能。最后是基于数据库的智能学习以及整体系统的设计。介绍自适应共振人工神经网络理论及其主要算法流程，采用自监督的ARTMAP人工神经网络对海杂波数据库进行训练学习。分别分析如强/弱洋流突变、强/弱信噪比、有/无电离层等各种环境下的一阶海杂波检测效果，给出各类环境时的海杂波的检测概率，并考察网络的鲁棒性。在Matlab软件GUI环境下完成整个系统软件的设计。