La tecnología de procesamiento adaptativo espacio-temporal de recuperación dispersa (SR-STAP) mejora el rendimiento de detección de objetivos en movimiento del radar aéreo. Sin embargo, el método de recuperación dispersa con un diccionario fijo generalmente conduce a un efecto fuera de la cuadrícula. Este artículo propone un algoritmo STAP para radar aéreo basado en corrección conjunta de diccionario y espectro de potencia de clutter (DCPSJC-STAP). El algoritmo primero realiza una regresión no lineal en un entorno de clutter no estacionario con ángulos de guiñada desconocidos, y corrige el diccionario correspondiente para cada instantánea actualizando los parámetros de la cresta de clutter. Luego, el diccionario corregido se combina con el algoritmo de aprendizaje bayesiano disperso para actualizar de manera iterativa los hiperparámetros requeridos, que se utilizan para corregir el espectro de potencia de clutter y estimar la matriz de covarianza de clutter. El algoritmo propuesto puede superar efectivamente el efecto fuera de la cuadrícula y mejorar el rendimiento de detección de objetivos en movimiento del radar aéreo en entornos de clutter complejos reales. Experimentos de simulación verificaron la efectividad de este algoritmo en mejorar la precisión de estimación de clutter y el rendimiento de detección de objetivos en movimiento.