空时自适应处理(STAP)技术可以有效抑制机载雷达杂波和干扰，改善动目标检测性能。但是，由于雷达接收的空时数据的维数往往很大，进行全空时域的自适应处理主要存在两个问题：一是计算量太大，处理器硬件难以实现；二是估算杂波协方差矩阵所需的独立同分布(IID)参考单元太多，实际难以满足。为避开上述问题，人们开展了大量降维STAP研究，目的是解决STAP在实际工程上实时实现的问题，这也是开展本文工作的主要目的。本文的主要工作包括以下几个方面： 1.第二章在介绍降维原理和横虚警检测(CFAR)方法的基础上，提出了一种JDL-MWF两级降维STAP方法。该方法首先根据杂波分布的先验信息，对接收数据进行空时局域化处理，降低杂波自由度，实现固定结构降维；然后级联部分MWF对局域化输出进行自适应杂波抑制，实现二次降维和动目标检测。JDL-MWF算法可以进一步降低计算量和样本要求，有利于工程化实现。 2.第三章主要研究直接利用先验信息改善杂波抑制性能的问题。在载机速度和雷达参数给定时，杂波在角度-多普勒空间的分布轨迹是已知的。本章充分利用这一先验信息来设计机载相控阵雷达两维两脉冲杂波对消器(TDPC)。首先建立了杂波和动目标信号的矩阵-向量模型，并在杂波矩阵-向量模型的基础上构建了关于TDPC系数的最小二乘代价函数，从而优化得到关于TDPC的滤波器权系数。TDPC是一空时两维杂波对消器，在基于杂波模型的设计中，考虑了偏航角和俯仰角的变化对杂波分布轨迹的影响。TDPC既适用于正侧面阵雷达也适用于非正侧面阵雷达。因此，与用作地基雷达杂波预处理的两脉冲对消器和多脉冲对消器一样，TDPC也可用作机载雷达的杂波预滤波器来进一步改善常规MTI处理和降维STAP算法的动目标检测性能。此外，本章还在两维两脉冲对消器的基础上提出了自适应两维脉冲杂波对消处理方法。自适应两维脉冲杂波对消处理属于前多普勒STAP技术，该方法通过距离单元内时域滑窗估计杂波相关矩阵，降低了对训练样本的要求。 3.第四章提出了一种空时可分离自适应杂波抑制方法。全维STAP权向量本质上是一个空时不可分离滤波器，实际中由于空时维数很高，全维STAP的计算量和样本要求非常高，这限制了全维STAP器的实际应用。本章从全维STAP出发，首先建立了空域权向量和时域权向量的双二次代价函数，然后提出了双迭代算法(BIA)求解空域权向量和时域权向量，实现对杂波的空时可分离滤波(STSF)。同时，还利用循环最小化思想讨论了算法的收敛性，基于仿真和实测数据的实验表明，BIA算法具有快速收敛性。STSF方法本质上是一种双边自适应波束形成算法，与全维STAP方法相比，有效地降低了运算量和对训练样本的要求，因此，STSF方法也是一种有效的降维STAP方法。此外，利用空时可分离滤波器双边自适应波束形成的特点，将其推广应用到正交MIMO雷达发射天线与接收天线自适应波束形成处理中。计算机仿真实验表明了算法的有效性和优越性。 4.第五章提出了一种低秩逼近空时自适应处理(LRA-STAP)方法。最优STAP器本质上是一时空不可分离滤波器，并且可以自然地写成空时二维权矩阵的形式。首先给出了空时权矩阵的双线性正交表达形式和低秩近似双线性正交分解形式，并分别建立了相应的空时自适应杂波抑制的双二次代价函数，从而将最优STAP处理器中的二次优化问题转化为新代价函数中的双二次优化问题。为了求解双二次代价函数实现LRA-STAP处理，提出了多阶段分解处理方法，即，每一阶段采用BIA算法求解一组正交分量，有效降低了样本要求，同时构建阻塞矩阵对空时二维数据进行双边降维，提高运算效率。LRA-STAP算法具有很好的格型结构，实际处理中可以视情况进行简单截断以降低运算量。LRA-STAP算法本质上是寻找一组STSF来逼近空时不可分离滤波器，与全维STAP算法相比，具有样本要求小、计算复杂度低的优点。 5.第六章提出了一种两级降维LRA-STAP方法。前一章对LRA-STAP的研究主要针对全空时域数据进行的，而实际上载机速度和雷达系统工作参数对信号处理机来说是已知的，并且其决定了雷达杂波在角度-多普勒空间的分布轨迹，根据这一先验知识可以预先用固定结构方法对全空时域数据进行预降维，然后再用LRA-STAP方法做进一步的降维，从而形成了本章提出的两级降维LRA-STAP方法。固定结构降维处理有效降低了杂波自由度，从而使LRA-STAP方法能够更加有效地利用系统自由度，LRA-STAP算法进行一阶段处理即可实现较优的处理性能。与全维LRA-STAP算法相比，由于维数的降低，进一步降低了对数据样本的要求，同时提高了每阶段处理中的迭代收敛速度，从而降低了运算量。