均匀和平稳杂波环境中的雷达目标检测技术研究日趋成熟,但是实际复杂的地理位置导致杂波背景呈现非均匀和非平稳特性,将杂波建模为单一的高斯分布不再合理,且选取的参考单元不服从同分布特点,造成检测性能明显下降。本文以监视雷达系统为背景,基于杂波统计特性差异分类杂波区域,在杂波分区基础上识别杂波分布模型,通过杂波模型变换将背景统一转换为传统检测器假设模型,解决实际环境中非均匀和多样性的杂波分布导致虚警升高的问题,最后通过点迹处理算法抑制检出的杂波虚警。本文具体研究内容如下:1.针对实测数据复杂的检测背景,首先利用K-L(Kullback-Leibler)散度方法对检测背景进行分区处理,该算法是基于杂波统计分布差异,根据计算的K-L距离设定阈值达到分类背景的目的。然后研究图像阈值分割方法,在传统大律法和基于方差信息的大律法基础上提出加权大律法,实现自动确定分割阈值。K-L散度和加权大律法联合处理检测平面,将其分为均匀、弱杂波以及强杂波三个区域。最后在分区结果上进行平滑处理,剔除区域不连续或小面积部分。2.设计恒虚警率(Constant False Alarm Rate,CFAR)检测器,通常是基于确定的杂波模型,为了选择合适的检测算法,需要研究各个区域的杂波统计分布。首先研究常用的杂波分布模型以及参数估计方法,利用两种杂波检验方法定量地分析实测数据各个区域的杂波分布特性,完成检测背景知识的获取,提取的先验信息为后续检测策略的设计做铺垫。3.根据实际检测背景存在多种分布类型的杂波,提出一种分区归一化策略,对各个区域进行杂波分布模型转换,指数化检测平面,使背景服从同一参数的指数分布,该处理方法通过实现检测器模型匹配和均匀化背景的方式达到提高检测性能的目的,在仿真实验和实测数据下,与传统CFAR以及自适应检测算法比较,性能对比结果证明了本文提出方法的优越性。最后研究了点迹处理算法,进一步抑制检测器输出的虚假点迹。