在现代战争中,雷达工作的电磁环境日益复杂。主瓣干扰信号从雷达接收机的主波束进入,对雷达系统进行屏蔽或欺骗,严重降低了雷达系统对主瓣目标的检测性能。如何对抗雷达主瓣干扰,提高雷达系统在主瓣干扰环境下的探测能力,成为电子对抗领域的核心研究方向之一。近年来,盲信号分离技术被用于直接处理接收信号而无需先验知识,且易于工程实现,具有对抗主瓣干扰的巨大潜力和优势。因此,本文聚焦盲信号分离技术,围绕盲源分离（BSS）以及深度神经网络开展主瓣干扰抑制算法研究。本文的主要研究工作及创新点如下:1、针对自卫式欺骗干扰下干扰信号与目标高度相似,且二者的到达角完全相同,导致干扰抑制效果不理想的问题,在极化单输入多输入（PSIMO）雷达系统下,提出一种基于相对拟牛顿法的自卫式欺骗干扰抑制算法。该算法利用干扰和目标的极化特性差异,通过构建重叠子阵结构计算出联合自相关矩阵,并采用相对拟牛顿法估计出分离矩阵,从而将目标和干扰信号分离在不同的通道上,实现干扰抑制。仿真实验结果表明,该算法能够有效抑制自卫式欺骗干扰,且在低信噪比（SNR）和密集干扰场景下依然具有良好的干扰抑制性能,拥有较强的鲁棒性。2、针对传统方法抑制干扰时性能较低的问题,在单输入多输出（SIMO）雷达系统下引入深度神经网络技术,提出了一种基于时空特征的主瓣干扰抑制网络,通过数据训练构造出源信号滤波器对目标和干扰信号进行分离,有效提升了主瓣干扰抑制的效果。该网络通过对雷达接收信号进行分割及编码预处理构建网络输入特征,利用双路循环神经网络（DPRNN）的行处理和列处理两个模块充分提取各接收通道信号的上下文信息,增强网络对信号时域特征的学习效果。采用转换平均级联（TAC）方法连接所有接收通道,通过全连接以及全局平均池化转换每个通道特征,利用目标和干扰信号的空间特征作出全局决策。通过仿真数据,分别构建了抑制干扰和欺骗干扰数据集,数据实验结果验证了该网络在抑制主瓣干扰方面的优越性能。