随着现代电子信息技术、材料技术和其他许多技术领域的迅速发展,现代战争逐渐向科技情报战、电子战的方向发展。雷达作为现代战争的主要探测手段之一,需要具有在强杂波和噪声中检测和识别目标的能力。目标检测与识别问题作为雷达信号处理的重要分支,在军事、民用方面具有深远的意义。雷达在完成对海面目标检测、跟踪时,都会面临海洋背景下的目标有效检测问题。另外,现代战场感知对信息获取提出越来越高的要求,雷达目标识别这一新的研究领域应运而生。因而,海洋背景下的小目标探测与识别成为了研究热点,本文将目标尺寸限制在2米以内,来研究小目标的检测与识别。论文在这种背景下,研究了如下内容:1、研究特定海杂波背景下的目标检测算法,主要研究威布尔分布及复合K分布背景下的扩展目标检测问题。研究发现,威布尔分布通过一种非线性变换后会变成标准的指数分布,则威布尔分布背景下的目标检测问题被简化成标准的指数分布背景下的目标检测问题;通常情况下,目标和雷达存在一定的相对运动,在相干累积时间较长的情况下,目标回波会发生跨距离单元走动,如果采用传统的检测滑窗估计方法进行估计时,会使检测滑窗估计得不够准确,所以本节将短时相参积累引入到二级二进制检测器来研究复合K分布下的目标检测问题,提出基于短时相参积累的二级二进制检测算法,对二级二进制检测算法进行优化。2、研究基于特征的目标检测算法,当海杂波的模型匹配不当时,参数化目标检测器的性能会迅速下降,围绕这一问题,展开了扩展目标的特征检测算法研究。对宽带雷达回波的频域特性进行分析,雷达目标回波的频域离散谱(后面简称为离散谱)是由多个谐波叠加而成,研究发现目标离散谱的Wigner-Ville分布中的能量集中在高频段,而杂波离散谱的Wigner-Ville分布中的能量均匀分布在各频段,所以离散谱的Wigner-Ville分布中的高频能量可以作为区分目标与杂波的依据;目标相邻回波间的离散谱幅度相同,只在相位上有差别,取模后相关系数较高,而杂波离散谱取模后相关系数较低,所以回波间的相关系数可以作为区分目标与杂波的特征,将离散谱的这两个特征联合起来,借助凸包算法,可以有效区分杂波序列和包含目标的杂波序列。3、研究基于高分辨距离像(HRRP)的雷达目标识别算法,基于HRRP的雷达目标识别的难点主要在于目标的姿态敏感性问题,局部保持投影(LPP)算法作为一种经典的局部流形学习算法,在数据是非线性的情况下,仍然具有良好的降维效果,当目标的姿态角发生变化时,LPP算法能够维持HRRP序列样本的重构权的不变性,因此,LPP算法能在一定程度上解决HRRP所固有的姿态敏感性问题。这部分研究基于LPP算法的目标识别问题,并针对传统LPP算法存在的容易被噪声影响的问题进行改进,提出一种基于度量学习的局部保持投影(MLLPP)算法,并将核函数引入到MLLPP算法中,得到基于度量学习的核局部保持投影(KMLLPP)算法。