雷达的对海探测能力通常受限于强海杂波。海杂波产生海杂波的内在物理机理很复杂,与很多因素有着千丝万缕的联系。由于海面的漂浮小目标自身的雷达横截面积较小且目标运动速度也很小,强海杂波中这类微弱目标的探测是研究的重点与难点。多特征融合算法一种开放的理论框架,可以根据雷达参数和环境的不同灵活地选择特征检测量。而特征检测量的选取可以选择多个领域中差异性较大的特征,这些特征保证了算法的检测性能。本文的主要研究内容如下:1.第二章介绍了实测雷达数据集IPIX数据集的雷达参数与具体数据集参数,也分析了几种典型的雷达幅度分布模型。通过对实测海杂波的拟合分析,比较几种杂波分布模型与实测海杂波的拟合性能,同时在此基础上提出一种基于局部最小值的强海杂波中的海面小目标检测算法。2.第三章提出了基于混沌去噪的目标检测算法。该算法利用EMD算法对海杂波幅度信号分解,并且根据判决标准作去噪处理,重复以上处理直到达到去噪算法的停止条件。完成混沌去噪后对去噪信号进行混沌预测,且该算法在预测模型以及模型参数选择上做出改进,提升算法的性能,取得了较好的效果。3.第四章提出基于重排频谱时频脊的海面小目标检测算法,该算法利用几种时频分析算法分析其时频特性,并且比较几种算法的性能,在传统W-H变换算法的基础上,提出使用重排WVD算法进行时频变换,同时使用时频脊提取算法为后续Hough变换减小计算量的同时也提高了算法Hough参数空间内的区分度。4.第五章提出基于SAE异常检测器的目标检测算法,该算法在时域、频域、时频域提取了多特征,组成了检测特征向量,并且设计了基于稀疏自编码器（SAE）的异常检测器算法。实验结果表明,算法的检测性能与近年来已被同行认可的几种sci算法相比,本文的算法具有明显的优势。最大的优势在于,在短观测时间,低虚警率下的检测概率明显高于其他算法。本文提出的算法在观测时间是1.024s且虚警概率设置为0.001时,检测概率仍可以达到99.1%（HV极化模式）。并且本文检测器能够灵活控制虚警率并且不需要事先训练模型,极大提高了算法的检测效率。