海杂波的检测与处理对海洋背景中的舰船等目标的探测具有十分重要的影响，利用海杂波的混沌即可可以有效检测雷达回波中的微弱目标信号。海杂波建模可以看作是一个预测问题，本文基于复杂非线性系统的相空间重构理论和混沌信号可短期预测的特征，建立了对偶约束的最小二乘支持向量机混沌预测模型，并对海杂波信号进行预测，从预测误差中检测了淹没在混沌背景中微弱的目标信号。　　 非线性检验是信号的混沌特性判断的必要步骤之一，替代数据法是非线性检验中广为采用的方法。本文针对信号的非线性检验，对替代数据方法进行了分析和研究。为了使替代数据能够更好的具有原始信号的统计特性，把小波变换与随机相位法相结合，提出了一种基于小波变换的替代数据算法，同时以混沌信号的关联维数作为判据，通过统计量检验，实现混沌信号的非线性判定。此方法能更有效的拒绝零假设，更精确的重构原始数据的频谱、保留数据的特性。　　 在支持向量机建模中，本文提出了一种改进的提取混沌背景中微弱信号的最小二乘支持向量机(LS-SVM)的方法。通过将信号以db3小波逐层分解，进行LS-SVM预测，再进行重构，同时通过增加对偶约束项的方法，建立一套改进的混沌背景下微弱信号的检测模型。基于此模型，本文对含有微弱信号的Lorenz吸引子进行了仿真实验，说明了该方法能够有效地检测出混沌背景噪声中的微弱目标信号，与传统RBF神经网络和LS-SVM预测方法相比，预测精度和检测门限方面的性能有显著的提高。进一步，利用该方法对McMaster IPIX雷达海杂波实际数据进行检测，结果表明，本方法能够成功的抑制接收过程中的其他噪声对海杂波背景信号混沌特性的影响，并能有效地检测出海杂波下的微弱目标信号，具有较好的实际应用价值。