微弱信号检测是现代的检测科学中非常重要和关键的技术。混沌和神经网络的独特性能，为微弱信号检测的发展提供了新的思路和方法。本文所论及的利用混沌振子检测微弱信号的方法是近年来兴起的一个新的研究方向。在研究混沌动力学的基础上，利用混沌Duffing振子的参数敏感性来进行微弱信号检测，性能上具有强的噪声免疫力，有效的放大了有用信号，使强噪声背景下的微弱信号的检测成为可能。仿真实验中，用白噪声和色噪声为背景噪声，验证了方法的正确性，同时也可展望到系统在低信噪比情况下的微弱信号检测的前景。本文引入了时间序列的重构相空间理论，论证了混沌时间序列预测的具体方法。由于神经网络的智能属性，利用混沌信号与神经网络相结合，特别是利用RBF神经网络的非线性逼近特性，可以实现在混沌信号背景下，微弱正弦信号的检测。论文详细地阐述了RBF神经网络的网络特性和学习算法，同时进行了仿真实验，验证了方法的可行性并分析了参数的影响和产生误差的原因。