随着我国风力发电产业的高速发展,风电场的建设可能对现有的气象雷达等设备的工作性能造成不容忽视的严重干扰。风轮机作为一种特殊的高大运动障碍物会导致气象雷达产生探测盲区,叶片的旋转和桅杆的强反射会影响气象目标参数估计的准确性,传统的地杂波抑制技术无法彻底消除这种具有旋转特性的风电场杂波。因此,研究气象雷达风电场杂波抑制技术,对提高气象雷达气象预报准确性,降低风电场选址要求等具有重要意义。本文首先建立气象雷达的气象目标和风电场杂波模型,在此基础上,研究气象目标的群聚弥散特性以及风电场杂波的循环平稳特性,为后续风电场杂波抑制技术提供理论指导。其次,基于气象目标和风电场杂波的不同运动特征,根据风轮机转速、参考叶片初始角以及观测方位角三个参数构造杂波字典,利用Bessel大地主题反解算法估计气象雷达与风轮机相对距离和方位角相关参数,提取杂波污染区数据,基于匹配追踪技术实现扫描模式气象雷达风电场杂波抑制。最后,针对匹配追踪算法中杂波字典矩阵固定,从而导致雷达回波中的随机干扰所引起的杂波抑制性能下降的问题,论文将图像处理中的K-SVD算法应用到风电场杂波抑制。该方法选择只含风轮机杂波数据作为训练样本建立字典矩阵,利用奇异值分解技术不断更新字典矩阵和系数矩阵直到收敛,并实现杂波抑制。仿真数据以及实测数据的实验结果表明,该方法能够有效抑制风电场杂波。同时考虑到该算法中字典训练及更新需要消耗大量计算资源,利用风轮机的朝向角和叶片转速等先验信息,降低训练样本规模,从而提高字典的更新速度及运算效率。在此基础上,将其与匹配追踪算法进行了对比分析,给出了各自的优劣性及适用条件。