机载气象雷达能够探测飞机前方恶劣对流天气,包括低空风切变、湍流、冰雹等。在检测低空风切变时,机载气象雷达回波信号中的低空风切变目标回波信号会被地杂波回波信号所掩盖,从而导致无法检测出低空风切变。空时自适应处理（Space-Time Adaptive Processing,STAP）技术使得从强烈的地杂波回波信号中检测出低空风切变成为可能。传统STAP理论上需要训练样本服从独立同分布（Independent and Identically Distributed,IID）且数量达到系统自由度的2倍或以上,方可保证传统STAP方法性能下降不超过3 d B。但在实际杂波环境中,传统STAP方法对于IID训练样本数量的要求往往难以达到,从而导致传统STAP方法地杂波抑制性能的严重下降,使得低空风切变无法被准确检测。因此,本论文以相控阵机载气象雷达为平台,在IID训练样本数量严重匮乏甚至是没有（简称小样本）的情况下充分利用稀疏恢复技术中极少量IID训练样本恢复信号的优势,引入稀疏STAP技术可以极大减少IID训练样本数量,针对小样本背景下的基于稀疏STAP的低空风切变检测方法进行设计,主要工作内容如下:第一,针对极少量IID训练样本情况下的低空风切变检测问题,设计了一种基于同伦稀疏STAP的低空风切变检测方法,该方法只需要极少量IID训练样本就能够达到低空风切变检测的目的。首先将极少量邻近距离单元进行距离依赖性矫正得到IID训练样本,然后利用同伦算法恢复出地杂波空时二维谱,进而计算出杂波协方差矩阵,接着设计STAP处理器消除地杂波并进行风速估计,最后利用平均F因子判断低空风切变危险性,完成低空风切变检测的整个流程。第二,针对无IID训练样本情况下的低空风切变检测问题,设计了一种基于知识稀疏迭代协方差STAP（Knowledge Aided Sparse Iterative Covariance-based Estimation STAP,KASPICE-STAP）的低空风切变检测方法。首先通过利用地杂波回波信号位置分布空时耦合特性的先验知识,实现了无IID训练样本情况下高分辨恢复出地杂波空时二维谱,并由SPICE算法迭代得到杂波协方差矩阵,在消除地杂波后即可进行风速估计,最后利用平均F因子判断低空风切变危险性,完成低空风切变检测的整个流程。