航管监视雷达在航空交通运输中扮演着极其重要的角色,其作用是实时监测飞机目标位置、保障飞行安全。随着全球风力发电的高速发展导致的风电场数量的快速增加,对航管监视雷达的工作性能产生的影响愈发严重。风电场中风轮机会产生具有一定频谱展宽的强散射杂波,该杂波可能将高空中的飞机目标掩盖,导致航管雷达虚警、漏警概率上升。因此,针对航管雷达的风电场杂波抑制技术的研究,对于提高航管监视雷达目标检测概率、降低虚警率、保障空中交通安全具有重大意义。本文首先给出飞机目标及风轮机杂波信号模型,为后续雷达回波稀疏特征分析与杂波抑制提供数据来源。其次在雷达信号模型基础上对飞机目标与风轮机杂波在不同变换域中的稀疏特征进行分析。同时分析了较短的相干处理间隔（Coherent Processing Interval,CPI）对风轮机杂波的稀疏特征影响,为后续风电场杂波抑制讨论提供理论基础。其次,针对形态成分分析（Morphological Component Analysis,MCA）的航管雷达风电场杂波抑制方法进行分析讨论。该算法根据目标与杂波在不同变换域的稀疏特性,同时在两个变换域内迭代优化重构不同信号分量,以此完成杂波与目标的分离,进而实现杂波抑制,实现了飞机目标与风轮机杂波处于同一距离单元情况下的杂波抑制。但是针对信杂比（Signal-to-Noise Ratio,SCR）较低情况,MCA算法性能难以保证,进而提出基追踪降噪（Basis Pursuit De-Noising,BPDN）算法分别在不同变换域依次重构杂波分量及信号分量,实现风轮机杂波抑制。仿真及实测数据实验结果表明,BPDN算法可以有效解决低SCR情况下的风电场杂波抑制问题。最后,针对短CPI条件下的航管监视雷达杂波抑制方法性能下降问题,给出一种基于联合时频域（Joint Time Frequency,JTF）特征恢复和MCA结合的风电场杂波抑制方法。该算法在MCA之前进行JTF特征恢复,有效解决短CPI雷达回波稀疏特征不明显导致MCA性能下降的问题。仿真及实测数据实验结果表明,JTF特征恢复可以有效提升雷达回波在相应变换域中的稀疏特征,进而利用MCA抑制杂波。该方法可以有效解决短CPI条件下,风电场杂波造成的航管雷达目标检测概率降低等问题。