空时自适应处理(Space-time Adaptive Processing,STAP)技术作为机载雷达最有效的杂波抑制手段,其研究已由相控阵体制雷达扩展到了MIMO体制雷达,现有研究已表明MIMO雷达相比于相控阵雷达可以提供更多的杂波自由度,在杂波抑制方面具有明显优势。传统STAP方法通常需要有两倍于系统空时自由度的独立同分布的训练样本才能使得最优输出信杂噪比损失小于3dB,但实际中常常难以获得足够多的独立同分布的训练样本。随着机载MIMO雷达接收的空时数据维数的增加,对训练样本需求也大大增加,需要进一步研究小样本下机载MIMO雷达高性能STAP算法。本文以机载MIMO雷达为背景,探索了空时回波信号中杂波的稀疏本质特性,将稀疏恢复算法与STAP相结合,研究降低独立同分布训练样本数、适合复杂环境的稳健STAP方法。主要研究工作如下:(1)研究了机载MIMO雷达STAP稀疏性约束。基于机载MIMO雷达信号模型,分析了杂波空时功率谱稀疏性;通过杂波协方差矩阵分解和杂波导引矢量相关度分析,探讨了杂波空时功率谱稀疏性的内在机理,指出了杂波秩与杂波空时功率谱稀疏度的相互关系,为开展后续研究提供了基础。(2)研究了基于稀疏性的机载MIMO雷达STAP技术。在均匀杂波环境下,研究了小样本下的基于联合稀疏恢复的STAP技术,相比于传统的基于统计的STAP算法,该类算法SCNR改善性能显著更优。针对非均匀杂波环境,提出了两种直接数据域稀疏恢复的杂波抑制方法。该类方法可在不需要训练样本的前提下,直接在检测距离单元内有效抑制杂波和干扰,仿真结果表明,该类方法可有效提高非均匀环境下的杂波抑制性能。(3)研究了稀疏性STAP中面临的基矩阵网格不匹配(off-grid)问题。针对网格不匹配对空时功率谱估计精度的影响,在稀疏贝叶斯框架下,提出了三种基于基矩阵频率矫正的空时功率谱稀疏恢复方法。仿真结果表明,该类方法减少了网格不匹配对空时功率谱估计精度的影响,提高了杂波抑制性能。