随着绿色能源的兴起,风电场规模不断扩大已成为必然趋势。研究表明,风电场杂波使机载雷达产生大量虚假目标,导致机载雷达出现目标检测概率下降、虚警概率上升、目标航迹发散等问题。由于载机平台的运动,相对地基雷达而言,风电场杂波对机载雷达的影响更加复杂。因此,研究机载雷达风电场杂波抑制对提升雷达性能具有重要意义。首先,根据散射点叠加原理及机载阵列雷达回波模型建立机载雷达风轮机和飞机目标回波模型。在该信号模型的基础上,分析风轮机回波信号时频域和空时域特征,为后续风电场杂波抑制方法的研究提供数据来源并奠定理论基础。其次,针对单天线风电场杂波抑制问题,考虑到机载雷达风电场杂波先验信息实时变化、难以估计且机载雷达回波频谱更加复杂等特殊问题,通过分析风电场杂波与飞机目标微动特征随时间的不同变化特性,将低秩矩阵优化（Low-Rank Matrix Optimization,LRMO）算法应用机载监视雷达风电场杂波抑制方面。目标与风电场杂波位于同一单元时,考虑到LRMO算法的局限性,依据风电场杂波与目标的不同稀疏特性,利用形态成分分析（Morphological Component Analysis,MCA）算法进行补充抑制风电场杂波。考虑到机载雷达中地杂波发生频谱搬移和展宽的问题,利用自适应动目标显示（Adaptive Moving Target Indication,AMTI）算法自适应形成凹口抑制地杂波。实验结果验证了所提方法的有效性。最后,针对机载阵列天线风电场杂波抑制问题,考虑到传统的空时自适应处理（Space Time Adaptive Processing,STAP）抑制风电场杂波时所需训练样本数较多,基于扩展因子化（Extended Factored Approach）方法根据风电场杂波与飞机目标空时域特征的不同可以在较少训练样本情况下实现风电场杂波抑制。EFA算法通过降维矩阵对回波数据进行处理,进而利用降维后的数据进行空时自适应处理在角度域和多普勒域形成具有一定宽度的响应抑制风电场杂波。实验结果表明,EFA算法可以在训练样本数较少的情况下有效的抑制风电场杂波。