机载雷达具有优越的监视能力和对低空突防目标的预警能力，具有重要的军事应用意义。机载雷达通常处于下视工作状态，回波信号中含有大量的地物散射回波，由于各杂波源具有不同的径向速度，导致回波多普勒谱严重扩散，动目标被完全掩盖而无法识别。空时自适应处理（STAP）通过多脉冲和多阵元的联合处理，可有效抑制杂波，实现慢速目标检测。随着机载雷达系统应用领域的不断扩展和延伸，常规STAP算法面临诸多挑战，包括快变场景散射特性、离散杂波/干扰源、复杂机载阵列下杂波分布的距离相关性，以及实际阵列非理想因素等，学术界将其统称为非均匀杂波环境。论文以如何更有效地抑制非均匀空时杂波为出发点而展开工作，取得了如下成果：提出基于杂波空时谱稀疏恢复的STAP技术（SR-STAP），在少量样本下高分辨估计杂波空时谱，显著提高CCM估计的收敛速度，并利用Mountaintop实际数据证明其有效性。同时算法在先验知识失配下保持较好的鲁棒性，优于基于知识的STAP算法，非常适合散射特性快变、只能保证局部平稳的实际杂波环境。提出基于稀疏恢复的直接数据域STAP方法（D3SR），可在不需要训练样本的前提下，直接在检测单元内有效抑制离散杂波和干扰，避免训练样本特性失配带来的性能损失，有效提高输出信杂比。同现有的直接数据域算法相比，无需空时孔径滑动，不存在系统自由度损失，可提供更优异的输出信杂比改善和低速目标检测性能。针对复杂机载阵列下杂波角度和多普勒频率间非线性、随距离时变的耦合关系，提出基于稀疏恢复的距离配准方法(SR-RBC)，通过补偿不同距离样本的平稳性，有效解决杂波特性随距离快变的问题。同现有算法相比，可在不损失空时孔径的前提下，提供更优异的平稳性补偿性能，在机载共型、机载双基地等复杂阵列下有效工作，具有较宽广的应用前景。针对实际环境中由于各阵元间幅度/相位误差的非理想因素，提出自适应稀疏恢复方法(Adaptive SR)，通过快拍数据自适应调整误差矩阵，达到提高超完备矩阵和实际场景匹配程度，有效改善估计鲁棒性的目的。同时由于自新算法并没有利用样本的统计信息，而是利用欠定方程稀疏解的思路来获得高分辨谱估计性能，因此可有效区分相干信号源。