海面小目标检测的研究一直是雷达信号处理领域研究的热点，在工程应用方面有着不容忽视的地位。随着中国的航空母舰首次试航成功，海面小目标检测的研究热度在国内继续升温。海面回波(海杂波)的存在，使得小目标的信号往往湮没在其中，造成小目标直接检测的困难性，因此研究海杂波，从而间接检测小目标是一种十分必要的手段。然而，传统的海杂波统计概率模型在信杂比较低的情况下效果并不十分理想。以神经网络为代表的学习机器在海杂波预测中有着不凡的表现，然而其固有缺点，如隐节点的选取，易陷入局部极小值点等问题限制了其发展。基于上述背景，本课题在海杂波混沌模型的基础上，以支持向量机为工具，通过对海杂波的成功预测达到小目标检测的目的。本课题主要开展了以下几项工作：(1)研究了海杂波的混沌动力学特性，通过仿真实验验证了海杂波具有混沌特性，建立了混沌模型，同时证明了海杂波具有短时可预测性；(2)以支持向量机为学习机器，并以实测雷达数据进行训练，通过仿真实验，实现了海杂波信号的预测，根据信号的相对均方误差能量的差别达到了小目标检测的目的；(3)利用小波变换方法对实测海杂波数据进行了降噪处理，仿真实验通过不同小波基、不同阈值和不同阈值作用方式的对比，去除了海杂波信号中的大部分噪声，达到了降噪的目的；(4)采用粒子群算法全局搜索支持向量机的最佳匹配参数，仿真实验证明，在较大的搜索范围中，保证海杂波预测效果的前提下，粒子群算法能够较快地搜索到支持向量机的最佳匹配参数。