在船舶导航雷达的信息处理中，目标跟踪的实时性和准确度是系统整体性能的重要标志，因此，解决这方面目前存在的若干问题具有十分重要的意义。 本文对目标跟踪中前置点的预测问题进行了深入的研究。首次提出了对船舶导航雷达目标数据进行在线实时非线性并行相关滤波的处理思想，提出了广义小波神经网络的信号多维处理模型及其相关预测算法。论文的主要思想是：根据前向神经网络模型和小波理论在信号合成和边缘检测中的处理方法，构建雷达目标数据的非线性并行处理的神经网络模型，应用优化理论和自适应技术，使该系统达到实时、在线、相关处理的目的。本研究的主要成果有： (1) 提出了一种适于雷达在线预测的新的前向神经网络训练的优化步长初值选择方法及调整方法。对所选激励函数在理论上做了误调分析，从而使加入的动量因子对网络影响有了量的估算。 (2) 基于S型函数的小波框架重构信号的思想，提出了广义小波神经网络模型及其训练算法。理论和仿真实验表明，广义小波神经网络的收敛性和Robust性均明显优于BP网络和小波神经网络。本文的广义小波神经网络的激励函数亦可推广到其它框架小波。 (3) 提出了局部连接的广义小波神经网络预测模型，解决了信号高维处理中存在的网络规模急剧膨胀和难以收敛的问题。 (4) 提出了由广义小波神经网络构建雷达目标数据的非线性并行相关处理模型。该模型的独特之处在于：数据处理不受目标运动模型和运动规律的限制；计算量与待处理数据变化的复杂性无关；对变加速和急转弯运动模型的航迹外推表现出极好的Robust性和实时性；网络具有在线实时相关检测功能，从而解决了相关检测中不可避免的延时问题。 (5) 提出了在线小波分解算法，解决了小波分解中存在的各段衔接问题。