1.一种基于高维特征域梯度提升树的海面小目标检测方法，其特征在于，包括如下步骤：(1)假设雷达在一个距离单元接收到连续N个脉冲，这N个脉冲构成一个观测向量z＝[zT(1),z(2),...,z(N)] ，称为待检测单元，即CUT；同时，获得CUT周围K个参考单元的观测向量zk,k＝1,2,...,K；

(2)根据CUT的观测向量和参考单元的观测向量，提取来自时域、频域、时频域的D个特征，记为δ1,δ2,...,δD；并将这些特征构成一个高维特征空间；因此，在高维特征域，CUT观测T向量压缩为一个D维特征向量，记为δ＝[δ1,δ2,...,δD]；

(3)对步骤(2)中的特征向量δ进行归一化处理，实现不同特征投影到相同的尺度上，得到CUT的归一化特征向量(4)根据M个海杂波回波向量和M个仿真含目标回波向量，按照步骤(2)和步骤(3)计算获得2M个归一化特征向量样本 其中M个样本来自海杂波,标签为“0“；其余来自含目标回波,标签为“1”；搭建GBDT模型，基于上述两类样本和标签，训练最终获得最优的GBDT模型；

(5)将步骤(3)中CUT归一化特征向量 带入步骤(4)中的已训练好的GBDT模型中，获得属于标签“1”的概率值，将之作为最终的检验统计量η；

(6)在给定虚警率Pfa下，通过蒙特卡洛试验方法获得判决门限T，比较步骤(5)中检验统计量η和判决门限T的大小，判断出CUT中是否存在目标：若η≥T，则表明CUT中有目标；

若η＜T，则表明CUT中没有目标。