针对不同分布海杂波的抑制及目标检测问题，首次将自适应噪声对消器应用在海杂波的处理中，并且将此对消器与小波分解理论相结合来抑制海杂波，提取出目标。首先，对含有目标的海杂波信号进行小波分解。然后，类比自适应噪声对消器模型，设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号，经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后，通过MATLAB仿真，分析采用不同的小波基函数和不同的分解层数的杂波抑制效果，验证此种算法对于海杂波抑制的有效性。

零记忆非线性变换(ZMNL)法和球不变随机过程(SIRP)法是模拟 K 分布杂波的两种常用方法。针对传统ZMNL方法中形状参数(半)整数化所导致的杂波模拟偏差问题,该文提出采用增加Gamma分布生成支路的方法进行改进,改进后的方法能够模拟任意形状参数的 K 分布杂波;针对传统 SIRP 方法运算量较大的问题,给出了一种改进的调制变量产生方法,该方法能够避免求解非线性方程,极大地降低了运算量,提高了仿真速度。仿真结果验证了改进方法的有效性。

针对机载PD雷达的工作特点，结合Morchin的后向散射系数模型，按照等距离-等多普勒网格法划分，分析了地杂波功率谱计算方法的推导过程和计算细节，提出了通过预先计算存储地杂波的散射单元面积?后向散射系数来提高功率谱运算速度的计算方案?

为改善海洋环境雷达的检测性能，基于海杂波后向散射特性，对GIT，TSC，NRL三种典型海杂波后向散射系数经验模型进行仿真，并与实测数据进行对比，以均方差检验法作为拟合优度评价标准，分析了三种模型的拟合特点，给出了三种模型的适用性，结果表明，改进的NRL模型与实测数据拟合得最好，TSC模型次之，GIT模型拟合效果最差，其适用性随海况、擦地角、极化方式的变化而呈现出不同特点。

空间非均匀海杂波的协方差矩阵估计新算法

雷达系统用于通过在自由空间中传输电磁波来检测物体。 它们在期望的回波信号极有可能干扰其他来源的信号的环境中运行。 这些信号包括杂波和干扰信号。 干扰器是一种在雷达环境中连续发射宽带无线电信号，从而使接收器充满噪声或虚假信息的设备。 因此，总的接收信号具有三个分量，即来自目标，杂波和干扰的回波相结合，即它是三维信号。 常规信号处理技术的使用是不可取的，因为它们无法将所需的回声信号与其他分量分开，因为不知道接收信号中存在的这些分量的统计信息。 在机载监视雷达中，必须解决此问题，因为它们必须在多个干扰环境中识别和定位目标。 空时自适应技术（STAP）是空间和时间滤波的组合，可以消除干扰信号并识别慢速移动的目标。 这些技术在角域和多普勒域中对信号进行滤波，以抑制不需要的信号。 本文对时空自适应编码技术进行了理论研究，并介绍了STAP算法的MATLAB实现。 SMI，DPCA和ADPCA，以抑制接收脉冲中的杂波和干扰干扰。

针对单参数CFAR检测器在Weibull杂波下需事先估计杂波的形状参数，而双参数CFAR检测器如 Log-t CFAR等则存在虚警损失较大的问题，基于有序统计(OS)CFAR检测器，结合反馈控制理论，提出了一种适用于Weibull杂波模型的双参数CFAR检测器，理论分析与仿真表明，该检测器无论在均匀背景还是非均匀背景下都具有较好的检测性能．

提出一种机载雷达杂波抑制的级联降维空时自适应算法,即,先对全空时两维接收数据进行预滤波处理,将杂波局域化,降低杂波自由度;然后对预处理输出的信号的相关矩阵进行子阵划分,求解低维权向量,进一步降低运算量和采样要求。理论分析和实验仿真结果表明,所提算法具有良好的收敛性能和杂波抑制能力,并且对于阵元随机幅相误差和杂波起伏具有很好的容差能力。基于实测数据的实验验证了算法的有效性和稳健性。

关于IPIX雷达数据读取（cdf文件读取）和处理的相关程序，适用于matlab2010及更新的matlab版本，压缩文件里面有较详细程序说明。同时，本程序还涉及海杂波的分布拟合和观测。

根据相空间重构理论，提出了一种基于遗传小波神经网络(GA-WNN)的混沌时间序列预测方法。根据takens理论，计算出相空间重构所需延迟时间和嵌入维数。采用小波神经网络的构造和算法，将遗传算法用于网络参数优化，为混沌时间序列预测提供可靠依据。为验证模型的可靠性，使用IPIX雷达数据进行多步预测，仿真结果表明这个确定性的模型可以根据海杂波已知数据预测未来值的变化。与传统神经网络预测相比，遗传小波神经网络预测方法的拟合精度和预测精度更好。