随着人口的不断增加以及科技的快速发展,人类对海洋的开发力度越来越大。海面弱目标探测技术不仅是走向海洋、认知海洋和利用海洋的重要一环,也是实施“建设海洋强国”这一国家战略的基础。然而,复杂的海洋环境使得高精度的海面弱目标智能探测面临诸多特别的挑战。针对此问题,本文对海杂波的特性和检测器的设计进行了深入分析,包括海杂波的分布建模、恒虚警检测器设计以及智能检测器设计等。本文的主要研究内容包括:1、研究了复杂海况下对海杂波机理的精准认知。针对复杂海况,我们提出了一种基于核密度估计的海杂波分布建模框架。在所提框架中,我们考虑了两个基本的关键问题,即核函数和最优窗宽的确定。为了解决这两个问题,我们采用高斯、伽马以及威布尔分布作为核函数,推导了它们各自的最优窗宽的闭式等式,并发现这些闭式等式符合不动点方程的基本特征。基于不动点理论我们提出了快速迭代的窗宽选择算法求解这些不等式,以获得不同核函数的最优窗宽。我们利用核函数与其相应的最优窗宽在所提框架下对海杂波信号进行建模,能有效降低拟合误差并大幅提升目标的检测概率。2、研究了适配海况变化的恒虚警检测器设计。基于所提的海杂波分布模型,我们利用海杂波信号与目标信号在时间相关性上的差异,提出了单元平均时间相关的恒虚警检测算法。为了确定该检测算法中的关键参数(即,去相关时间),我们建立了其与海况参数(即,风速和有效浪高)的线性回归问题,并利用梯度下降法求解该问题,获得了在不同风速和有效浪高下对去相关时间的最优估计。我们基于复杂海况下最优估计的去相关时间以及所提检测算法构建适配海况变化的单元平均时间相关恒虚警检测器,能够有效提升低信杂比和低虚警率环境下目标的检测概率。3、研究了基于多维度特征空间的智能检测器设计。针对动态变化的海况,我们借助人工智能技术在分类问题上的天然优势,设计了基于机器学习的智能检测器。首先,我们利用基于信号处理的特征分析方法在时域和频域中提取了三种具有代表性的特征。然后,我们分析了不同维度的特征空间对海杂波和目标回波的区分度。最后,我们基于这三种特征构造了三维特征空间,并将回波信号在多域特征空间中的表征输入到机器学习分类器中进行训练,实现在复杂海况下对海面弱目标信号的智能检测。特别地,我们改造了传统机器学习算法,将虚警率由输出变为输入,实现了智能检测器的虚警率可控,满足了海面弱目标探测中不同的应用需求。我们基于回波信号的三维特征空间和虚警率可控的机器学习算法构建可感知复杂海况的智能检测器,能够有效提升不同海面检测环境下目标的检测概率。综上所述,本文致力于实现复杂海况下的海杂波精准认知,进而设计适配海况变化的恒虚警检测器以及基于多维度特征空间的智能检测器,从而实现对复杂海况下海面弱目标的精准与智能探测。