对海洋的实时监测是人类进一步认识、管控海洋的必要保障。紧凑型高频地波雷达作为重要的海洋环境监测设备,凭借大范围、全天候、易于架设与维护等优点在全球范围有着广泛的应用。紧凑型高频地波雷达海洋监测主要聚焦于风、浪、流等海洋软目标参数的提取,以及对海上舰船的监控。风速是海洋学研究的重要参数之一。海面风速提取也对海洋环境监测及沿海工程应用至关重要。但目前高频地波雷在风速提取方面仍然存在挑战。传统的基于经验模型的风速反演方法,往往受限于海域和海况。本文考虑到风对海面作用的持续性与累积性,并利用人工网络的强大非线性处理能力,提出了一种新的风速提取方法。利用历史浮标测量海态数据训练风速提取神经网络,实现风速与有效波高、波周期、风向及时间因素之间的非线性映射。测试结果表明了这一网络在时间和空间上的稳定性;进而将已训练的网络应用到便携式高频地波雷达OSMAR-S的风速反演中,得到的风速与浮标测量风速间的相关系数达到0.849,均方根误差为2.11m/s。这一结果明显优于常规由浪高反演风速的方法,验证了该方法在高频雷达风速反演中的可行性。海面舰船探测对改善人类海洋活动和安全管控同样具有重要意义。现有的高频地波雷达舰船检测方法大多是基于峰值和恒虚警检测。这依赖于船舰目标在长达几分钟的相干积累时间的平稳运动。这在实际情况中是很难满足的。另外,传统的测向方法通过在固定的多普勒频率下采样得到样本矩阵,然后使用超分辨率算法估计船舶方位角。对于非平稳的船舶回波,如此采样会偏离瞬时频率而错过部分能量,导致测向误差较大。针对海面船舰运动非平稳特性,本文提出了时频域船舶检测与测向新方法。首先,应用同步提取变换获得回波信号的时频表示,并使用边界跟踪算法提取时频域内的目标脊线。然后,通过沿目标脊线采样的方式获取快拍矩阵,进而估测到达角。对实测数据的处理结果表明,该方法在提高检测率和减小定向误差方面均优于恒虚警方法,特别是在信噪比较低的情况下。