海杂波通常指的是海洋表面的雷达发射信号的后向散射回波,是目前海浪检测设备和舰载雷达的主要杂波源。用舰载雷达检测海面上或者接近海面上空的目标物体时,接收的反射回波常常会夹杂着海杂波,也就是说海杂波会对于舰载设备对海面及海浪的检测造成极大干扰。对于海杂波抑制技术的研究在目标检测、信号处理以及检测设备的系统设计等方面具有重大意义。国内外学者们对于海杂波抑制技术的研究逐渐从信号处理角度转向图像处理角度。由于图像在获取和传输的过程中难免受到噪声的干扰,通常从图像处理角度对于有目标物体的海杂波的抑制包含去除噪声对海杂波图像的影响和准确地将目标物体从海杂波图像中分离出来两部分,其中噪声去除部分是海杂波抑制的难点和重要前提。本文采用的是图像复原技术,既能有效去除噪声,又能保留海杂波图像和目标图像的原有特征。首先,提出一种改进的模糊神经网络的学习算法。在原有文献基础上,通过引入线性变化的学习率及重设权重的方法,提出了一种改进的模糊神经网络。仿真实例表明,本文改进的模糊神经网络比原有文献中的网络收敛速度快。其次对于改进的模糊神经网络,当误差函数的梯度只有有限个零点时,从理论上证明了改进的模糊神经网络的收敛性。最后首次将改进的模糊神经网络应用于海杂波图像复原,建立图像复原模型。仿真实验中,分别对被高斯噪声污染的海杂波图像和被椒盐噪声污染的海杂波图像进行图像复原,从复原图像的清晰度、归一化均方误差、信噪比和峰值信噪比等几个方面验证了本文提出的基于改进的模糊神经网络的海杂波图像复原技术的可行性及有效性。