本文旨在研究基于分组机制的海面目标检测算法。海杂波下的目标检测是雷达目标检测过程中最为重要的分支,也是雷达信号处理中最为复杂的部分。海杂波下的目标检测问题在军事和民用方面都有着十分深远的意义。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。针对这个问题,提出了部分均匀海杂波中基于分组加权的协方差矩阵估计算法,利用IPIX雷达实测数据对其进行了仿真实验,对比了检测器性能。针对部分均匀海杂波中相邻距离单元满足不同统计特性的问题,提出了距离分布式目标下的基于知识辅助的分组广义似然比检测算法,利用IPIX雷达实测数据对其进行了仿真对比实验,实验证明了该检测算法的有效性分。论文工作主要包括下面三个部分:1)海杂波统计特性、基本模型总结。首先对海杂波的统计特性进行了概括,然后对海杂波常用模型进行了总结对比。2)部分均匀环境中基于分组加权的协方差矩阵估计算法研究。首先,对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,所提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3dB。3)基于知识辅助的分组广义似然比检测算法研究。首先,考虑到距离单元分组的影响,对广义似然比检测器的距离单元进行分组,推导出了分组广义似然比检测器。进一步,考虑到部分均匀杂波中参考单元的知识辅助模型,我们提出了距离分布式目标的知识辅助分组广义似然比检测器,并证明了其相对散斑协方差矩阵的估计具有恒虚警性。最终,通过实测数据的实验结果表明了KA-G-GLRT检测器的检测性能和有效性。