机载雷达所面临的杂波环境非常复杂,如何对杂波进行抑制一直是机载雷达所要解决的主要问题。空时自适应处理利用了杂波的耦合特性,通过在杂波处形成凹口的办法来抑制杂波,在待测单元杂波协方差矩阵已知的条件下,最优的空时自适应处理可以很好的对杂波进行抑制,然而在实际环境中,待测单元的杂波协方差矩阵往往是未知的,它需要用一些方式估计出来。最经典的方法就是利用待测单元附近的若干个距离单元中的数据对其进行估计,这些距离单元要满足独立同分布的条件。为使信干噪比损失相比最优的空时自适应处理在3dB以内,要求这些训练样本的个数为系统自由度的两倍,当系统自由度较高时,训练样本的需求量会非常大,这在实际应用中很难实现,一是由于实际环境中的杂波有很强的非均匀性,很难获得足够多满足独立同分布条件的训练样本,二是如此大规模的运算对计算机的要求很高,在要求具有实时性的机载雷达中实现成本非常高。本文主要针对如何在训练样本数很少甚至不足时有效的对杂波进行抑制这一问题展开研究。首先,本文介绍了一系列部分空时的自适应处理算法并将其用于实测数据中检验其性能,诸如多普勒滤波后的空时联合处理法、局域联合处理法、主分量法等,这一类算法通过降维或降秩的方式,将全空时的自适应处理转换到部分空时中去,通过这种方式不仅降低了运算量而且减少了训练样本的需求量,本文将降维与降秩两种方式结合,提升了在训练样本数不足时此类算法的性能。其次,对于上述一类统计算法而言存在两个问题。第一,在训练样本中有非均匀成分时性能会显著下降。第二,这一类算法无法解决待测单元具有非均匀性的问题,例如待测单元中存在干扰时,由于上述算法选取的训练样本中不含该干扰的信息,因而无法有效的抑制该干扰。针对第一点,本文介绍了非均匀检测算法广义内积法与基于谱相似的样本挑选法两种方法。针对第二点,本文介绍了一类基于广义旁瓣相消结构的自适应处理方法。最后,当雷达系统具备某些特殊结构时,所接收杂波的协方差矩阵会具有一些特殊的结构特性,例如当雷达天线阵列对称排布或发射脉冲串有对称结构时,杂波协方差矩阵就会具有中心共轭对称性,即该矩阵关于主对角线共轭对称,关于副对角线对称。本文将中心共轭对称性加入到传统的主分量法与互谱尺度法中以提升传统方法在训练样本数不足时的性能。此外,本文将杂波的结构特性、主分量法与传统的自适应匹配滤波方法相结合,介绍了一种基于杂波结构特性的降秩自适应匹配滤波方法。