当干扰信号落于雷达信号的主瓣内,天线阵列采用和差波束的主瓣对消方法往往需要雷达主波束对准目标;应用自适应波束形成抗主瓣干扰会导致副瓣电平升高峰值偏移的主波束畸变从而导致雷达的虚警概率上升;应用基于阻塞预处理的自适应波束主瓣对消算法可以解决主瓣畸变但同时也带来了计算量增大信噪比降低等问题;采用阵列天线在极化域通过极化匹配不能完全消除主瓣干扰信号并且极化匹配的滤波效果会随着极化状态的误差增大而迅速下降。本文研究了在缺乏源信号和信道参数先验知识的前提下用盲源分离抗雷达的主瓣干扰,这类算法可以根据输入源信号的统计特性,单单凭借观测信号就能够恢复出未知源信号的各个独立分量来重构源信号。对于雷达信号的盲分离,可以从雷达阵列接受观测到的混合信号分离出目标回波信号,雷达杂波以及敌方的干扰信号等达到杂波抑制的效果,目标回波信号可以检测目标的俯仰,方位,距离,速度等有效信息,干扰信号可以分析出敌方使用的干扰策略样式从而让我们选择效果更佳的抗干扰措施,雷达杂波有的时候也包含了一些有用信息比如气象杂波。针对主瓣干扰,本文研究了基于快速固定独立成分分析算法和基于矩阵联合对角化特征矢量的盲源分离算法,通过建立雷达阵列信号模型,用盖尔圆定理对信源数目进行预估计和对接受信号的特性分析,确定盲源分离算法对阵列信号模型的可适用性。接着对观测信号进行预处理步骤包括去均值消除直流耦量和预白化处理,之后利用基于不同目标函数的盲源分离算法处理分离矩阵最后根据脉冲压缩原理通过峰值检测分离出目标回波信号,干扰信号和雷达杂波等。比较基于不同信噪比干信比和目标函数下的算法性能指标作为算法的收敛标志包括分离出来的信号与源信号的相关系数,峰值信噪比和分离算法的运算时间和迭代次数等。通过对比分析,可以看出,2种算法都具有较好的抗干扰性能,JADE盲源分离算法相比Fast ICA算法对主瓣干扰有更有效的抑制,但是由于增加了算法复杂度导致运算时间和迭代次数要不如Fast ICA算法,2种算法不会对目标回波信号进行大的抑制,提高系统的输出信噪比。信噪比越高盲源分离算法的性能越好,干信比对算法性能影响不明显,只要保持一定的信噪比,算法可以有效的分离出目标回波信号。对波达方向的估计仿真对比算法得出MUSIC算法与ESPRIT算法估计结果相比精度更高但是运算时间较长,对比基于不同信噪比阵元数和来波入射角度下,观察对两种算法均方根误差的影响,得出信噪比增高阵元数越多估计性能越好。