混沌背景下弱信号检测技术在国防科技建设和现代化军事中具有重要的理论和实际意义。在传统的检测方法中，由于背景信号波形复杂，通常把用有限个独立变量描述的混沌看成随机信号来处理，多数情况下对背景信号建模不理想，因而造成检测器的性能不佳。利用背景信号为混沌信号这一先验知识，就可以利用混沌理论将淹没在混沌背景信号中的微弱瞬态信号检测出来。 本文围绕弱信号检测这一主题，从混沌时间序列的状态空间重构出发，利用神经网络具有拟和任意非线性函数的能力，建立了混沌系统神经网络模型，为混沌背景中弱信号检测提供了必要的理论依据。 本文主要工作有： (1)系统地介绍了混沌的基本理论，研究了用李雅谱诺夫指数区别混沌信号与噪声信号的方法，同时，简单分析了混沌系统相空间重构方法、嵌入维数确定方法和延迟时间选择方法。 (2)分析了用神经网络实现混沌时间序列相空间重构，提出了基于LM算法的BP神经网络混沌背景下弱信号检测；研究了RBF神经网络和小波神经网络并将它们用于混沌背景下弱信号检测，并进行了相应的仿真试验。理论分析和实验结果说明了所提方案的有效性。并对几种网络的性能进行了比较。 (3)分析了小波变换的基本理论知识和小波域值滤波方法，并将