随着电子科技的不断发展,雷达在军用和民用上的的影响力越来越大。雷达的目标检测和跟踪是雷达信号处理的关键问题,如何提高雷达的目标检测和跟踪性能一直都是研究的热门问题。本文将神经网络应用到海杂波背景下的弱目标检测与目标跟踪中提高其精度,主要做了如下工作:1.针对RBF神经网络结构主要通过经验或凑试的方法确定,且结构一旦确定将不再调整,缺少自适应能力的缺陷,先基于自适应时变权重和局部搜索算子改进粒子群优化(PSO)算法,然后将RBF神经网络的参数(中心值、宽度、连接权值)作为粒子空间位置,将粒子空间维数映射到隐含层神经元数,构造了 PSO-RBF神经网络,解决了 RBF网络结构与参数不匹配的问题,加强了其自适应能力。2.利用海杂波的混沌特性,对海杂波时间序列进行相空间重构,结合PSO-RBF神经网络构建了 PSO-RBF网络目标检测模型及学习算法,并对实测的海杂波数据进行弱目标检测证明其有效性,提高了海杂波背景下弱目标的检测精度。3.针对BP网络学习率选择不客观和容易陷入局部极值通过自适应调节学习率的方法优化BP网络,然后通过BP网络辅助无迹卡尔曼滤波器对目标进行跟踪,提高了目标跟踪的精度。