空时自适应处理（STAP）是机载雷达在非均匀环境中进行运动目标检测的关键技术。抑制检测环境中的杂波与干扰是机载雷达完成目标检测任务的基础。传统STAP方法要想获得理想的处理性能,理论上用于估计杂波功率谱的训练样本数量不能少于系统自由度的两倍。然而在实际应用中,机载雷达所面临的杂波环境通常是非均匀、非平稳的,难以获取足够数量的均匀训练样本,导致STAP性能严重损失。本文针对小样本、非均匀、非平稳条件难以获取杂波统计信息的问题,利用杂波在角度-多普勒二维平面分布稀疏的特点,以及稀疏恢复技术的快速收敛性和高分辨能力,研究基于稀疏恢复的运动目标检测算法,主要研究内容如下:1、针对密集干扰导致STAP性能损失严重的问题,提出了一种基于模糊数学与稀疏恢复的运动目标检测方法。该方法借助模糊数学中的决策方法构造合适的隶属度函数,在稀疏恢复系数向量中选择超过门限值的杂波分量估计协方差矩阵。由于估计的杂波协方差矩阵精度较高,STAP滤波器的性能较优。仿真实验证明了该方法有效抑制了检测环境中的密集干扰。2、针对校正后的空时字典仍然存在网格失配的问题,提出一种基于知识辅助与稀疏贝叶斯学习的运动目标检测方法。该方法在已知杂波先验知识的基础上,通过训练样本估计观测协方差矩阵,并对先验协方差矩阵进行校正。仿真实验表明,相比于稀疏贝叶斯学习STAP算法,所提算法对空时字典进行了有效校正,提高了运动目标的检测性能。