不同环境中的目标检测问题是雷达、声呐和导航等领域中的基本问题之一。在对抗性活动中,随着隐身材料和隐身技术的使用,被检测目标的雷达截面积(RCS)变小,目标回波减弱,信噪比降低,严重影响了检测系统的检测能力。对不同极化的入射波,目标具有不同的响应,通过对极化方式的有效选择可以实现入射波与目标极化特性的有效匹配,从而增强目标回波,提高系统的检测能力。本文针对部分均匀噪声环境、非均匀噪声环境以及子空间杂波环境中的确定目标检测问题和随机目标检测问题进行了深入的研究,设计了相应的检测器。在此基础上,通过对检测器检测性能的理论分析,利用极化匹配技术,设计了极化匹配检测器,进一步提高了检测器的检测能力。主要研究内容包括:1快速极化匹配方法相干情形下,天线的极化接收功率(PRP)由电磁波的2×1维Jones矢量和目标的Sinclair矩阵描述,根据瑞利熵准则,求出最大极化功率及其对应的匹配(最优)极化方向。非相干情形下,天线的PRP由电磁波的4×1维Stokes矢量和目标的Kennaugh矩阵进行描述。针对此情形,分别研究了收发同极化约束情况下和收发极化无约束情况下的快速极化匹配方法。对收发同极化约束情况,提出了一种基于二分搜索策略的拉格朗日方法(LMBS),该方法在求得拉格朗日算子所在区间的基础上,进一步采用二分策略对区间进行搜索,实现了快速极化匹配,有效提高了匹配速度。针对收发极化无约束的情况,提出了一种快速子区域搜索方法(FSSM),该方法通过空间映射理论,将搜索区域缩小到一个更小的子区域内,有效减少了极化匹配的搜索点数,加快了极化匹配速度,理论证明,该子区域的面积约为全局区域面积的四分之一。2极化匹配检测方法针对部分均匀噪声环境中的目标检测问题,设计了一种基于部分均匀噪声环境的自适应匹配检测器(PH-AMD)。PH-AMD首先假设噪声尺度参数κ和噪声协方差矩阵R已知,然后基于广义似然比(GLRT)准则,对目标x进行估计,之后通过辅助数据估计R,通过辅助数据和检测数据估计κ,并利用这些估计值构造了PH-AMD的统计检测量。针对确定目标和随机目标的检测问题,分析了PHAMD的理论检测性能,证明PH-AMD具有恒虚警(CFAR)特性。与现有检测器相比,PH-AMD具有更高的检测性能。对理论检测概率的分析表明,检测概率正比于参量μ,而参量μ受电磁波极化波形调制。通过极化匹配技术,使电磁波极化与目标极化散射特性匹配,提高检测器对确定目标和随机目标的检测能力。实验表明,极化匹配技术的使用使PH-AMD获得了1 dB-5 dB的处理增益。针对非均匀噪声环境中的目标检测问题,设计了基于非均匀环境的自适应匹配检测器(IH-AMD)和单步广义似然比检测器(1S-GLRT)。IH-AMD的设计原理与PH-AMD相同。1S-GLRT的设计基于对量测数据的概率密度函数(PDF)fy(y)的求取。首先通过噪声纹理参数κ的PDFfIG(κ,α,β)和条件PDF fy(y|κ)求得fy(y),在此基础上,基于GLRT准则,估计目标x,并通过辅助数据估计R,并利用这些估计值构造了1S-GLRT的统计检测量。针对确定目标和随机目标,分别分析了IH-AMD和1S-GLRT的理论检测性能。结果显示,IH-AMD具有CFAR特性;对1S-GLRT,只有当噪声尺度参数β足够大时,它才具有近似CFAR特性。与现有方法相比,IH-AMD和1S-GLRT具有更高的检测性能。理论检测结果显示,IHAMD和1S-GLRT的检测概率皆正比于参量μ。通过极化匹配技术,使电磁波极化与目标极化散射特性匹配,提高检测器对确定目标和随机目标的检测能力。实验表明,极化匹配技术的使用使检测器获得了0 dB-5 dB的处理增益。针对子空间杂波环境中的目标检测问题,设计了一种依赖于系统的杂波环境中的自适应子空间检测器(SDC-ASD)。该检测器基于GLRT准则,利用杂波的子空间特性,通过分别处理杂波和噪声,获得了处理增益。针对确定目标和随机目标的检测问题,详细分析了SDC-ASD的理论检测性能。与现有检测器比较,SDC-ASD始终具有更高的检测性能,同时能够利用更少的辅助数据来估计噪声协方差矩阵R,以获得可靠的检测性能。理论分析的结果同样表明检测概率正比于参量μ,通过极化匹配技术,可实现极化匹配检测。在此环境中,目标和杂波都是极化敏感的,因此,在进行极化匹配时,既要考虑电磁波极化与目标极化散射特性匹配,也要考虑电磁波极化与杂波的失配,从而提高回波的信杂比,结果显示极化匹配检测获得了1 dB-3 dB的处理增益。