相对于地杂波和云杂波而言，海杂波在时域和空域上不断动态变化，严重制约了海面目标的可检测性，因此海杂波抑制技术是目前海面目标检测领域中的重点和难点，具有很强的军事和民用价值。海杂波序列图像的强度分布主要取决于海洋动力、太阳高度角以及观测站位置，而非线性的海洋动力导致海杂波序列图像也具有非线性。本文采用非线性动力学的混沌理论分析海杂波序列图像特征，研究基于混沌理论的海杂波抑制技术，主要内容如下：1.研究了相空间重构理论。无论是混沌特征量的计算，还是基于混沌模型的预测都是在相空间中进行的，相空间重构是非线性时间序列数据处理中的关键环节。重点研究了相空间重构中延迟时间和嵌入维数的计算与选取问题，即采用自相关函数法来确定延迟时间，采用Cao方法确定嵌入维数。2.研究了混沌特征识别方法。着重分析了关联维数、最大Lyapunov指数这两个重要的混沌特征量。采用G-P方法和小数据量方法分别计算了实际海杂波数据的这两个混沌特征量。实验结果表明，海杂波序列图像具有正的最大Lyapunov指数和有限的关联维数，说明海杂波序列图像确实具有混沌性。3.提出了一种基于混沌的海杂波序列图像杂波抑制新方法。该方法以混沌理论为基础，以神经网络为工具，从相空间重构理论出发，利用RBF神经网络来重构海杂波的动力学模型，并对海杂波时间序列进行预测，最后实现海杂波抑制。4.根据实际采集的海杂波序列图像对比分析了RBF神经网络、非线性中值滤波、空域高通滤波和小波等杂波抑制方法。实验结果表明，RBF神经网络方法能够凭借人工神经网络强大的非线性映射和学习能力，对海杂波混沌动力学模型进行有效逼近，杂波抑制效果较好。本文对海杂波序列图像混沌特性的研究有助于提高海杂波中弱小目标的检测能力，具有一定的理论和实际价值。