空时二维自适应处理能够有效提高机载相控阵雷达的地杂波抑制性能和动目标检测性能。理论上,全空时自适应处理可以实现最优处理,但是其计算量和实现的复杂度令人们难以接受,并且难以获得估计协方差矩阵所需的足够多的样本数。后来的研究重点就转移到降维处理算法上。研究人员在降维算法的研究上做了大量的工作,提出了很多种方法,发表了大量的文章。随着空时二维处理研究的不断深入,研究人员对强孤立杂波和强运动目标等非均匀环境的杂波抑制问题、杂波二维分布随距离变化的非平稳杂波抑制问题以及运动目标检测后的运动目标参数估计问题进行了广泛的研究,得到了很多有效的方法。降维处理、非均匀杂波抑制、非平稳杂波抑制和运动目标参数估计是空时自适应处理工程化必须解决的四个主要问题。本文主要围绕这四个方面做了一些工作,概括如下:利用Kronecker积的性质,提出了采用一维FFT实现自适应方向图和一维输出信杂噪比的快速计算,采用二维FFT实现空时二维频率响应和二维输出信杂噪比的快速计算。在滑窗距离样本选取方法的基础上,提出了滑窗递推QR分解方法。它采用样本矩阵QR分解得到空时处理的自适应权,这样矩阵条件数比较小,不容易受到有限字长等因素的影响,具有更好的数值稳定性。它通过双曲线Householder变换实现滑窗距离样本选取方法的权值递推,可以明显减少空时自适应处理权值计算所需的计算量。利用机载非正侧阵雷达的近程杂波和目标在俯仰角度域可以区分的特点,提出了两种近程杂波抑制方法:第一种方法是基于DOA估计的俯仰投影矩阵方法,它首先采用DOA估计方法估计出近程杂波的俯仰角,然后通过投影方法抑制该近程杂波,相比于直接计算近程杂波俯仰角度的俯仰非自适应处理方法,该方法不需要先验信息,可以避免地形起伏对近程杂波俯仰角度计算的影响;第二种方法是稳健的俯仰自适应波束形成方法。由于目标俯仰角度的任意性,我们不可能对某一个具体的俯仰角度保持固定增益,只能是对目标可能出现的一个俯仰角度范围保持一个稳定的增益,然后尽可能地抑制其它俯仰角度的杂波,此时在俯仰角度上离目标比较远的近程杂波就会被抑制。在没有阵元幅相误差的情况下第二种方法的性能不如第一种方法,但是在有阵元幅相误差的情况下该方法的性能要明显好于第一种方法。提出了一种适合于相邻距离单元统计特性完全不同的极端非同态环境的运动目标检测方法。不同于一般的空时自适应处理方法,该方法直接在功率谱进行运动目标检测。该方法首先采用空间滑动和时间滑动来获得样本用于协方差矩阵估计,然后用估计得到的协方差矩阵进行功率谱估计。为了减少功率谱估计的计算量,我们提出了采用二维FFT实现功率谱估计。估计得到数据功率谱后,利用杂波功率谱能量比较大的特点,提取出功率谱中的大能量点用于杂波谱线拟合。拟合出杂波谱线后,利用目标到杂波谱线的距离不为零的特点进行目标检测,同时实现目标参数估计。在这个过程中需要对原始的数据功率谱进行两次门限检测,第一次门限检测是提取出大能量的杂波谱用于杂波谱线拟合,第二次门限检测是提取出所有可能的目标用于目标检测。提出了两种针对均匀线阵的目标角度估计方法。第一种方法是基于实多项式求根的最小二乘方法,它首先采用空时自适应处理方法得到多个杂波抑制后的空间通道,然后用这些空间通道的数据进行最小二乘目标角度估计。为了避免复杂的角度搜索,该方法采用实多项式求根将角度搜索转化为代价函数的极值搜索,大大减少了角度估计的计算量。第二种方法是基于实多项式求根的最大似然方法,它直接利用数据的最大似然函数来估计目标角度,为了避免复杂的角度搜索,它同样采用了实多项式求根方法。提出了两种针对平面阵的目标方位角度和目标俯仰角度估计方法。第一种方法是基于交替最大化和实多项式求根的最小二乘方法,它首先采用空时自适应处理方法得到多个杂波抑制后的空间方位通道和空间俯仰通道,然后用这些空间通道的数据进行最小二乘目标角度估计。为了避免复杂的二维角度搜索,该方法采用交替最大化方法将方位角和俯仰角联合估计转化为方位角和俯仰角分别迭代估计,然后采用实多项式求根将角度搜索转化为代价函数的极值搜索,大大减少了角度估计的计算量。第二种方法是基于交替最大化和实多项式求根的最大似然方法,它直接利用数据的最大似然函数来估计目标方位角度和俯仰角度,为了避免复杂的二维角度搜索,它同样采用了交替最大化方法和实多项式求根方法。