空时自适应处理(STAP)技术通过空时域自适应联合滤波,能够有效改善杂波抑制性能,极大提升机载相控阵雷达慢速目标检测性能,是当代机载相控阵雷达的关键技术之一。然而复杂多变的机载相控阵雷达工作环境对STAP技术提出严峻挑战,如何实现复杂环境下快速稳健杂波抑制是目前亟待解决的关键问题。本文将紧密结合复杂环境下机载相控阵雷达杂波抑制技术的迫切需求,采用理论分析与机载相控阵雷达实测数据验证相结合的方法,重点对适用于小样本条件下的杂波快速抑制方法、STAP自适应权矢量快速计算方法及非均匀特性杂波抑制方法进行深入研究,有效提升复杂环境下杂波抑制的收敛性及稳健性。具体研究内容和结论如下:第二章对机载相控阵雷达空时回波数据进行数学建模,并从杂波空时二维功率谱和自适应权矢量两个方面分析了STAP内在的稀疏特性,为后续研究提供基础。第三章对小样本条件下杂波快速抑制问题开展研究。在实际复杂环境中,足够数量的均匀训练样本难以得到保证,因此传统STAP技术无法保证理想的杂波抑制性能。针对以上问题,本节首先基于杂波空时二维功率谱稀疏分布特性,提出快速稳健的迭代稀疏恢复STAP算法。该方法通过杂波稀疏恢复和字典误差校准迭代计算完成杂波谱快速稳健重构,不仅可以有效降低噪声和字典误差对杂波稀疏恢复性能的影响,同时利用递推求解,避免直接进行矩阵求逆运算,极大降低计算复杂度。仿真和实测机载雷达数据验证了该方法可以有效提升复杂环境小样本条件下STAP算法性能。其次,本节基于自适应权矢量稀疏特性,提出基于稀疏约束的快速子空间迭代跟踪(PAST)STAP算法。该方法充分利用杂波低秩特性,通过在代价函数中施加稀疏约束,利用迭代计算,极大提高杂波子空间的估计性能。仿真和实测机载雷达数据验证了该方法可以有效提升复杂环境小样本条件下杂波抑制效果。第四章对STAP自适应权矢量快速计算问题开展研究。由于空时协方差矩阵求逆运算存在巨大的运算复杂度,传统STAP技术难以保证复杂多变环境下自适应权矢量的计算速度。针对以上问题,本节根据空时协方差矩阵正定Hermitian特性,提出基于阵元阶数递推的STAP自适应权矢量计算方法。该方法根据相控阵雷达回波数据相邻阶数之间协方差矩阵的递推关系,首先递推得到第1个阵元的协方差逆矩阵,然后按照阵元阶数逐级递推计算,最终可以得到全维空时协方差逆矩阵,进而完成STAP自适应权矢量求解。同时本方法还可以有效地与固定结构降维STAP算法结合使用,极大降低自适应权矢量计算复杂度。仿真和实测机载雷达数据验证了该方法可以明显改善复杂多变环境下杂波抑制的处理速度。第五章对非均匀离散干扰抑制问题开展研究。传统STAP算法由于只利用训练样本集合估计杂波协方差矩阵,不包含离散干扰信息,因此无法有效抑制离散干扰。直接数据域算法(DDD)未利用训练样本中的杂波统计信息,均匀杂波性能有限;基于自适应局域变换的级联离散干扰抑制算法(DDD-ALT)在均匀样本数量有限时性能明显恶化。针对以上问题,本节基于杂波谱稀疏分布特性,提出基于稳健贝叶斯压缩感知的离散干扰抑制算法。该方法通过稳健贝叶斯压缩感知和字典误差校准迭代计算完成杂波谱快速稳健重构,在较低的计算复杂度下有效降低噪声和空时过完备字典误差对杂波与离散干扰分布估计的影响。仿真和实测机载雷达数据验证了该方法可以有效提升复杂环境下均匀杂波和离散干扰的抑制性能。第六章对非均匀干扰目标抑制问题开展研究。干扰目标包含在训练样本集中,会污染训练样本集合,使得估计协方差矩阵无法准确反映待检测距离单元的杂波统计特性,严重影响杂波抑制性能。传统基于广义内积的非均匀检测器(GIP-NHD)和基于椭圆长球波函数的非均匀检测方法(PSWF-NHD)需要剔除非均匀样本后进行杂波协方差矩阵估计,当环境非均匀程度较高时,过量样本将被剔除,用于估计协方差矩阵的样本数量不足,杂波抑制性能受到影响。针对以上问题,本节基于子空间处理原理,提出基于先验知识的稀疏子空间重构干扰目标抑制算法。该方法首先利用稀疏恢复技术估计杂波和干扰目标在空时平面上的位置,随后利用系统参数等先验信息构造杂波分布位置“掩模”,剔除干扰目标对应的位置,获得杂波的分布位置对应的空时导向矢量集合,最后利用杂波空时导向矢量集合重构杂波子空间,克服训练样本数量对杂波子空间估计的影响,实现干扰目标场景下杂波稳健抑制。仿真和实测机载雷达数据验证了该方法可以有效提升干扰目标场景下杂波抑制稳健性。第七章对全文进行总结,并指出进一步可能的研究方向。