当前雷达在均匀和平稳杂波环境中的目标检测技术日渐成熟,而复杂的背景环境下,杂波往往是非均匀与非平稳的。因此,将杂波建模为简单单一的分布不再符合恒虚警检测的条件,并且不能保证参考单元与待检测单元独立同分布,从而带来检测性能下降的问题。论文的主体部分介绍了目标起伏模型,噪声模型,杂波模型以及目标检测的传统方法,并在此基础上做了针对复杂场景下的杂波建模以及目标检测研究。主要内容有:1、本文先从信号模型入手,分析了目标起伏模型,噪声模型以及杂波模型。对于目标模型介绍了四种Swerling模型及其适用的条件。对于杂波模型主要分析了几种常见杂波模型与其适用的环境。接着通过优化方法详细推导了目标的经典检测—固定阈值检测,由此引入恒虚警检测的必要性,并推导了单元平均恒虚警检测的参数并分析了其优缺点。2、接着用传统杂波模型拟合实测数据,分析传统方法的失配问题。然后对不同类型杂波的特征分布进行比较,分析其差异。对于复杂杂波场景,以杂波的多普勒谱作为特征,学习杂波的概率统计模型。使用混合高斯模型表征不同的杂波背景。通过对杂波背景进行建模,一方面可以对杂波进行分类,得到独立同分布的杂波区域;另一方面也可以作为有效检测目标的手段。3、最后,通过计算Kullback-Leibler(KL)距离来衡量不同位置具有相似背景的杂波单元的相似度,验证通过同质区域来进行样本共享是可行的。通过聚类得到独立同分布的杂波区域。对于检测单元的同质区域较小,周边环境参考单元的平稳分布条件难以满足从而导致样本不足、模型参数估计精度较低的问题,借用来自独立同分布的杂波单元,旨在背景均匀化检测。对于不断采集的新数据,杂波存在时变性,对杂波模型参数实时更新,使得杂波的模型更加准确的描述每一帧的数据,进而有可能进一步提高检测性能。