雷达的出现不仅提升了军事实力,也极大地方便了人们的生活。船舶导航雷达作为航海领域的重要设备,在船舶夜间和雾天行驶、进出港以及避免碰撞等方面发挥着极其重要的引导作用。日益复杂的海况条件对船舶导航雷达的性能提出了新的要求,推动了船舶导航雷达从脉冲体制转向连续波体制。线性调频连续波(Linear Frequency Modulated Continuous Wave,LFMCW)雷达因其分辨率较高、无距离盲区等特点,获得了广泛的应用,故研究三角调频连续波雷达体制下差拍信号的处理算法具有重要意义。本文重点探讨了差拍信号的杂波抑制处理、目标参数提取、船舶目标分类等问题,在此基础上设计了多目标探测算法。该算法可以在噪声和杂波背景下准确检测多个目标,提取目标的距离和速度信息,并能实现对目标正确分类。首先,在分析影响差拍信号测频精度的因素后,本文对信号进行预处理来削弱杂波的影响。结合海杂波的特点建立模型,提出基于自相关函数能量的经典模态分解杂波抑制算法,克服了因杂波的模态能量大于信号模态中的某个本征模态函数能量,而导致滤波截止阶数误判的问题,仿真结果表明所提出的算法有效抑制了杂波。其次,针对信号的谱峰频率落在快速傅里叶变换(Fast Fourier Transformation,FFT)两个量化频点之间时会产生估计误差的问题,提出了一种自适应频率校正算法。该算法依据不同的频率自适应地选择不同的校正算法,避免了单一校正算法只能局部最优的问题。仿真结果验证了所提算法的有效性,且在频率估计精度以及抗噪声能力方面都有显著提升。再次,分析船舶目标的特征后,选取船宽和船速作为特征量,并依据海上常见的船舶类型建立海上船舶特征库。利用反向传播神经网络和决策树两种算法对船舶目标分类,并进行对比仿真分析。实验结果表明这两种算法都能对目标有效分类,且分类正确率都高于传统的K-近邻法。最后,在上述分析的基础上设计了差拍信号的整个处理流程,即多目标探测算法。并依照该算法的流程进行仿真分析,给出了各部分处理后的仿真结果,验证了所提算法的有效性。