本文以均匀线列阵为模型,研究了强干扰下的弱目标检测方法,常用的强干扰抑制方法主要有矩阵滤波和自适应波束形成两种,本文围绕这两方面进行了以下研究:常规矩阵滤波(非数据依赖)由于参数无法随着干扰信号强度和干扰所在方位在线调整,导致强干扰信号能量可能会泄露到感兴趣区间,从而影响弱目标信号的检测。本文通过构造信号加干扰的子空间,在子空间内进行矩阵滤波。由于子空间变换相当于对各个信源功率进行归一化,因此即便干扰信号较强也可以被有效滤除。同时分析了滤波后目标信号和干扰信号的特征值分布,设计特征值检测门限对滤波后的信号进行判决,有效调提高了强干扰下的弱目标检测概率。自适应波束形成方法对导向矢量误差和协方差矩阵误差都很敏感。本文主要围绕这两方面来提高自适应波束形成的稳健性:针对导向矢量误差的影响,研究了基于秩-1分解的导向矢量两步优化稳健波束形成方法,利用目标信号可能出现的角度区间构造目标信号预设导向矢量子空间,并目标信号实际导向矢量在该子空间上进行投影,第一步估计目标信号的在子空间内的投影向量,第二步在投影向量的基础上估计实际导向矢量,并利用秩-1分解定理将求解问题转化为易于计算的凸优化问题,经过仿真验证,该方法可以修正导向矢量误差,减少信号自消现象,保证对干扰和噪声的抑制能力,有效提高波束形成器的输出信干噪比,提高弱目标检测能力。针对协方差矩阵误差的影响,研究了基于广义加载的干扰加噪声协方差矩阵估计方法,通过波束形成器的噪声增益构造加载矩阵,减少目标信号在整体协方差矩阵中的比重,同时配合基于广义旁瓣对消器的最优导向矢量估计方法,估计出与实际导向矢量最接近的最优导向矢量。通过仿真验证,该方法在改善协方差矩阵误差的性能上与对角加载方法一致,但避免了对角加载量难以选取的缺点,同时配合最优导向矢量估计使得该方法对导向矢量误差也有很强的修正能力,有效提高自适应波束形成的稳健性,也提高输出信干噪比,增强了强干扰下弱目标检测的能力。