航海雷达性能的提高,对于航海安全具有重要现实意义。本文研究雷达目标检测和跟踪问题,主要研究工作如下：第一,研究了实测海杂波数据的统计模型。利用相关系数检验法和自相关函数法,研究了海杂波的独立性问题和相关性问题。这些先验信息为后续的雷达信号处理提供了重要的理论依据。第二,针对近程海杂波强度过大,可能引起信号的失真和堵塞,提出了基于海杂波预测的偏置时间控制算法。该算法分别采用线性预测方法和神经网络预测方法,建立海杂波模型,由海杂波预测误差控制雷达灵敏度。实验结果进一步验证了所提出方法的有效性。第三,针对训练样本的选择对目标检测效果的影响,提出了基于神经网络集成的目标检测方法。根据子网络在验证集上的表现,利用模糊C均值聚类方法赋予相应的权值,提高目标检测能力。针对海杂波实时动态变化的情况,采用在线滚动更新模型的参数,自适应更新、修正模型,提高目标检测能力。实验研究进一步验证了所提出方法的有效性与可靠性。第四,针对目标和海杂波在分形特性上的差异,提出了改进的分形检测海面漂浮小目标方法。采用去趋势波动分析方法计算分形维数。在斜率-截距判决空间,通过K均值聚类分析,得到小目标的检测结果。实验结果证明了改进算法提高了目标检测概率。第五,针对噪声统计信息未知,目标量测信息连续变化的特点,提出了平滑样条拟合滤波算法。利用平滑样条的光滑性和连续性来约束目标的运动点迹,对量测数据的最小二乘逼近和样条弯曲光滑程度进行折中表示,估计目标运动轨迹。仿真结果进一步验证了所提出方法的有效性与可靠性。