海杂波是指在雷达照射下,海面的后向散射回波,对海洋背景中舰船等目标的探测性能有很重要的影响。海杂波信号的复杂多变,一直是影响雷达工作性能的主要因素,海杂波的存在对雷达检测海面目标及跟踪性能来说会造成比较大的干扰。在关于海杂波抑制的大量研究中,传统方法多使用统计学模型来对海杂波进行建模抑制,常用的模型有瑞利分布,K分布等。传统方法只是从统计学的角度去宏观的研究海杂波,带来拟合效果差且具有局限性的问题。由于非线性方法的不断成熟,基于混沌理论的方法逐渐应用于海杂波的抑制中。本文首先研究海杂波的幅度统计特性,以及瑞利分布,K分布等模型中参数的选取对模型的影响。并基于IPIX雷达数据进行幅度拟合,分析海杂波与哪种模型具有更好的拟合度。其次基于IPIX雷达数据对海杂波的混沌动态特性进行分析验证。本文根据Takens嵌入定理,对相空间重构过程中的重要参数嵌延迟时间分别采用自相关法和互信息法进行计算,采用Cao方法计算嵌入维数。因为有限的关联维数和正的最大李雅普诺夫指数是判断系统具有混沌性质的重要依据,本文又分别通过GP方法和Wolf方法计算这两个参数,进一步验证海杂波具有混沌特性。再次基于相空间重构理论,用自适应RBF模糊神经网络和改进的自适应学习算法构建海杂波的混沌动力体系。基于IPIX雷达数据进行训练预测。仿真结果表明通过预测可以完成杂波的对消抑制,进而可以精确地检测出目标。最后利用Matlab的GUI功能设计实现海杂波特性分析平台。该平台分为杂波统计特性分析和混沌特性分析两大模块,具有较好的人机交互功能。实验结果表明,用一种模型来描述海杂波的幅度特性是很难实现的,运用混沌理论和神经网络技术来对海杂波进行抑制是可行的。并且与其它模型相比,本文所用方法和改进的自适应学习算法具有更好的预测效果和对消性能,从而能有效抑制杂波,提高弱目标的检测性能。