自1955年Crombie发现高频雷达可以收到海流回波之后,经过半个多世纪的发展,它已经广泛应用于海洋表面动力学参数的测量,具有全天候、大范围、造价低等优点,在渔业监测、海态预报等方面起着重大作用。研究者希望高频地波雷达能同时具有探测海上舰船目标的能力,并开展了很多研究,不过到现在也没有达到实用化的阶段。尤其是采用小型化天线的便携式高频地波雷达,虽然成本大幅降低,并在海态监测方面展现出很好的效果,但是在探测舰船目标时还存在很多困难,主要包括:1.高频段的干扰与噪声信号均较强,射频干扰、电离层干扰、瞬态干扰很容易污染船只回波信号;2.海上舰船点目标的假设有时会失效,此时简单的单元检测可能无法检出目标;3.高频地波雷达的距离分辨单元通常达到千米级,这远大于船只的尺寸;4.紧凑式接收天线的方向图容易因周边环境影响而发生畸变,造成方位角估计困难。5.雷达照射范围内的船只信息无法完全掌握,因此缺乏足够可靠的算法评估手段。针对上述困难,本文对便携式高频地波雷达目标探测相关问题进行了研究。一方面对现有的方法进行了全面评估,寻找制约目标探测研究的关键问题所在;另一方面,在AIS信息的帮助下,成功把机器学习方法引入本领域,在目标检测和参数估计方面均取得了比传统方法更好的结果。本文的研究工作具体包括如下内容:1.提出了一种基于支持向量分类(SVC)的目标检测方法。该方法引入机器学习中经典的SVC算法,借助AIS信息获取标记样本,提取目标在多个维度的信噪比作为样本特征,选取随机噪声信号作为负样本。通过实测数据结果对比SVC检测法和传统CFAR检测法的性能:两者在检测出同样多目标的情况下,SVC检测法能够与AIS信息有更多的匹配数,并且在胡椒图上能得到更多、更长的轨迹,证明了新方法优于CFAR法。SVC检测法还具有扩展性强、泛化能力好等优点。2.提出了一种利用AIS信息进行单极子交叉环天线方向图估计的方法。该方法利用AIS信息获取来自各个方向的大量目标匹配对作为校准源,通过检测、匹配、分类、筛选、插值、平滑得到方向图的估计。本文通过2013山东渤海湾、2014福建平潭、2015福建漳州三次雷达现场试验的结果对算法进行验证,AIS估计的方向图揭示出方向图在现场环境中很容易发生畸变,此时使用理想方向图进行角估计性能很差,使用AIS方向图却可以大大降低角估计误差。2015年在六鳌进行了方向图船测试验,AIS方向图与船测方向图的相关度非常之高,证实了新方法的有效性。3.提出了一种基于支持向量回归(SVR)的目标到达角估计方法。针对使用实测方向图估角存在的一些问题,本文引入机器学习中的SVR算法以绕过测量误差和以往算法的内在缺陷。标记样本的获取来自与AIS匹配的目标,提取样本在各个通道的归一化幅相值作为样本特征。实测数据的结果表明SVR角估计算法能获取比实测方向图MUSIC法更高的精度,能有效缓解角度模糊现象,而且还具有扩展性强、所需数据量少的优点。4.提出了一种基于支持向量回归(SVR)的目标距离估计方法。在SVR算法取得不错的角估计结果之后,我们又把它应用于距离估计。标记样本的获取来自与AIS匹配的目标,样本的特征选用样本距离维邻近单元的归一化幅度,使用SVR算法学得距离估计的模型。实测数据的结果显示SVR距离估计法不但能够获得比传统经验公式法更精确、更稳定的距离估计,还能自动补偿系统距离偏差。此外SVR距离估计的模型具有很好的泛化能力,在站点之间使用也取得了良好的效果。