信号检测是信号处理领域中一个极为重要的环节。在复杂多变且充满各种干扰的环境中,如何提高检测性能一直是雷达系统和声纳系统重要的研究课题之一。大多数情况下,检测环境均具有非均匀性,这使得可用于目标信号检测的训练样本数通常较少,进而使得很多检测方法的检测性能因训练样本的减少而下降。除此之外,很多检测方法都包含了矩阵求逆,而矩阵直接求逆通常会消耗大量的运算资源,这对检测系统造成了较大的运算负担。Krylov子空间方法作为求解线性系统问题的高效迭代方法,通常情况下,能以较少的迭代次数实现收敛,以此避免运算资源的大量消耗。近几年,Krylov子空间方法已经被频繁应用到信号处理领域。目前,对于基于Krylov子空间的信号检测的研究在国内外尚处于初始阶段。非均匀环境下的信号检测一直是信号检测的一个热点研究方向。因此,本文在非均匀环境下,对基于Krylov子空间的信号检测问题进行了研究。值得注意的是,本文主要以Krylov子空间方法中的共轭梯度算法为桥梁将Krylov子空间嵌入到信号检测中。本文的主要贡献和创新点总结如下:（1）在包含点干扰或点高斯杂波的非均匀环境下,本文提出了一种基于共轭梯度和Clean的自适应匹配检测方法,并且简要分析了该方法的输出信干噪比期望值的近似表达式。通常情况下,检测环境具有稀疏性,使得环境协方差矩阵具有低秩矫正特性。共轭梯度算法对于具有低秩矫正特性的协方差矩阵具有高效的收敛特性,进而可以避免矩阵直接求逆引起的运算资源的大量耗费。所用的Clean方法利用多级均匀内插扫描可以高效地实现点干扰或点高斯杂波的估计。所提方法在训练样本较少时,相比传统的自适应匹配滤波器具有更好的检测性能。（2）为了进一步改进传统参数化检测方法在非均匀环境下的检测性能,本文提出了一种基于协方差矩阵重构的共轭梯度参数化自适应匹配检测方法。该方法主要适用于包含点干扰或点高斯杂波的非均匀环境。该方法的提出明显提升了传统参数化自适应匹配滤波器在非均匀环境下的检测性能。（3）在高斯分布式杂波存在的非均匀环境下,本文提出了一种基于共轭梯度和空时均匀扫描的参数化自适应匹配检测方法。在有高斯分布式杂波存在的非均匀环境条件下,本文所提的这种方法明显改善了传统参数化自适应匹配滤波器的检测性能。然后本文简要定性地分析了该方法的检测稳定性。（4）基于广对称自适应匹配滤波器,本文提出了一种共轭梯度广对称自适应匹配检测方法。在非均匀环境下,与广对称自适应匹配滤波器和共轭梯度自适应匹配滤波器进行对比,该方法具有更好的检测性能和更低的运算代价。同时,本文也对该所提方法的输出信干噪比进行了近似的数学分析,得到了该方法的输出信干噪比期望值的近似表达式。（5）在机载双基地雷达信号检测场景下,为了更好地利用杂波秩和Krylov子空间实现参数化自适应匹配滤波器的检测性能优化,本文结合查表法提出了一种基于杂波秩与空时扫描的共轭梯度参数化自适应匹配检测方法。在机载双基地雷达信号检测场景的非均匀环境下,相比参数化自适应匹配滤波器等其他传统检测方法,该方法展现出了更好的检测性能。