MIMO(Multiple-Input Multiple-Output)雷达以其空间分集和波形分集等优势成为雷达领域中的研究热点。MIMO雷达使用多个发射天线发射分集波形,匹配滤波器在每个接收阵元处分离出不同的波形。集中式MIMO雷达的阵列天线之间的间距很小,使目标相对于所有天线具有相同的角度和雷达截面积,从而形成很长的虚拟阵列。空间和波形分集增加了集中式MIMO雷达的系统自由度,从而提高雷达对于干扰和目标的空间分辨率。空时自适应处理(Space Time Adaptive Processing,STAP)算法能在保持期望信号的情况下抑制有源干扰和杂波信号,将输出SINR最大化从而提高雷达对运动目标的检测性能。STAP滤波器是一个二维FIR滤波器,是阵列空间波束形成算法和时域多普勒滤波的结合,在角度-多普勒域上将运动目标信号从杂波中分离出来,但是一般的STAP算法计算量大,收敛速度慢,在实际应用中受到很大的限制。Nystr?m方法使用低秩Nystr?m估计矩阵来快速近似高维对称正定矩阵。因此,本文提出了一种全新的用于集中式MIMO雷达的Nystr?m-STAP,Adaptive-Nystr?m-STAP以及对应的降秩STAP算法。本文所提算法以杂波协方差矩阵的低秩特性为依据,利用少量均匀杂波训练数据所形成的Nystr?m协方差估计(NCE)矩阵来精确估计杂波协方差矩阵,从而估计出杂波子空间的特征向量来形成STAP滤波器。在Nystr?m-STAP中,从训练数据矩阵中选取合适的不同行向量来构造一个新的数据子矩阵,然后将训练数据矩阵正交投影到这些行向量所张成的空间中得到NCE矩阵。而对于Adaptive-Nystr?m-STAP算法,利用自适应列采样技术从杂波噪声协方差矩阵中选取含有杂波信息的列向量,对这些列向量进行比例缩放并构造交叉矩阵,从而得到NCE矩阵,克服了Nystr?m-STAP算法在参数选择上的限制。在这两种算法中,当构造出NCE矩阵后,使用Nystr?m方法得到杂波噪声协方差估计矩阵对应的协方差估计子矩阵。然后对该矩阵进行特征分解,从而精确估计杂波子空间来提高算法输出SINR和检测性能。当检测单元中的干扰信号仅含有杂波和噪声时,可通过特征相消算法求解出STAP权矢量。而当检测单元中还含有有源干扰时,充分利用NCE矩阵的酉分解和有源干扰协方差矩阵的矩阵块对角结构,根据矩阵求逆公式通过低维矩阵求逆来得到STAP滤波器系数,从而减少算法的计算复杂度。当一个相干处理间隔中的脉冲数量很多时,为了进一步提高STAP算法的收敛性能,本文将Nystr?m方法和自适应偏移相位中心天线技术相结合,又提出了RR-Nystr?mSTAP和RR-Adaptive-Nystr?m-STAP算法。这两种算法在训练数据中多次选择若干个连续脉冲数据,通过对应Nystr?m方法得到这些低维干扰协方差估计子矩阵的逆矩阵,再通过多普勒滤波器处理后形成STAP滤波器。仿真实验表明结果本文所提算法能提高STAP的性能并有效减少算法运算量。