地基雷达在进行目标监视、气象观测时会受到风力发电场（简称风电场）的影响,进而降低雷达系统工作性能。对于机载雷达来说,这类影响更为复杂且难以应对。为了探究风电场杂波对运动平台下的机载雷达的影响,研究机载雷达风轮机回波仿真技术以及如何实现机载雷达风电场杂波辨识变得尤为重要。首先,将机载雷达阵列天线目标回波模型与风轮机散射点叠加模型相结合,研究雷达处于运动平台时的风轮机回波信号建模问题,建立任一观测点处机载雷达阵列天线风轮机回波信号模型,从而为后续机载雷达风电场杂波的辨识提供了数据来源。其次,根据所建立的机载雷达风轮机回波信号模型模拟风轮机回波,对风轮机回波在距离多普勒域、时频域和空时域的特征进行了分析,探究不同叶片夹角、不同俯仰角和不同方位角对风轮机回波特征的影响,同时,将仿真分析结果与理论分析结果进行对比,验证了回波模型的有效性。最后,针对机载雷达风电场杂波相关先验信息未知的情况,结合自动编码器和K-means无监督机器学习方法实现雷达扫描场景中风电场杂波与目标的辨识。对于无目标的雷达扫描场景,将场景各距离分辨单元的时频（或频谱）数据作为输入样本,利用自动编码器对该样本数据进行降维,得到场景低维特征数据,并基于K-means聚类方法实现风电场杂波的辨识;对于有目标的雷达扫描场景,首先构建平衡样本集,利用自动编码器和K-means对平衡样本集进行降维聚类,然后提取自动编码器网络和K-means类别中心点,组成辨识模型,利用该辨识模型实现场景中风电场杂波与目标的辨识。