背景杂波、人为干扰和外源无意干扰等使实际环境不再是均匀、平稳的随机过程,这需要在非均匀环境中克服空时相干杂波和干扰的影响检测有用信号。本文首先介绍了CG-AMF检测器的基本理论,然后从降维自适应处理的角度出发,采用修正共轭梯度算法,在Krylov子空间中寻找STAP的(准)最优权向量,共提出了三种修正共轭梯度自适应匹配滤波器。它们分别采用优化共轭梯度自适应匹配滤波器的初始向量,和降低协方差矩阵条件数等方法,不仅继承了共轭梯度自适应匹配滤波器的所有优良性能,而且具有计算量更低、检测性能更好的优点。首先,提出了两种基于空时协方差矩阵的极端特征值的修正共轭梯度自适应匹配滤波器。利用Lanczos法解Wiener-Hopf方程,获得自适应匹配滤波器的近似权向量和空时协方差矩阵的最大(或最小)特征值,进而优化共轭梯度算法的初始向量。然后,利用共轭梯度算法解Wiener-Hopf方程,获得一组修正共轭梯度自适应匹配滤波器。研究结果表明,通过少量的Lanczos法迭代可以将系数矩阵的条件数降低为原来的0.25倍以下(或左右),特征谱性能改善6dB以上(或左右)。其次,提出了一种基于空时协方差矩阵近似特征值谱的修正共轭梯度自适应匹配滤波器。首先,利用Marcenko-Pastur谱近似空时协方差矩阵特征谱;然后,根据近似特征谱估计出空时协方差矩阵的极端特征值;最后,用最大特征值或最小特征值降低Wiener-Hopf方程系数矩阵的条件数,获得一系列修正共轭梯度自适应匹配滤波器。分析表明,条件数降低为原来的0.25倍左右,特征谱性能优化大约6dB。上述三种修正共轭梯度算法均降低了系数矩阵条件数,优化了迭代初始向量,降低了运算量,提高了检测器的性能。仿真数据和机载雷达实测数据验证了理论分析,这为STAP的实时处理提供了理论基础。