Para hacer frente a la degradación del rendimiento del procesamiento adaptativo espacio-temporal (STAP) de un sistema de matriz de fase aérea causado por la grave escasez de muestras de entrenamiento independientes e idénticamente distribuidas (IID) en un entorno de desorden no homogéneo, en este documento se propone un método mejorado en el dominio de datos directos basado en aprendizaje bayesiano disperso, que solo utiliza una instantánea de datos de una celda bajo prueba (CUT) para suprimir el desorden y tiene una rápida velocidad computacional. En primer lugar, se derivan tres hiperparámetros necesarios para obtener la solución dispersa. En segundo lugar, se realiza un análisis comparativo de sus fórmulas iterativas, y se presenta la iteración por partes del hiperparámetro que tiene una influencia obvia en la complejidad computacional de obtener la solución dispersa. Por último, con la información previa aproximada del objetivo, se proporciona la solución dispersa del desorden y se estima de manera efectiva su matriz de covarianza para calcular el peso del filtro adaptativo y realizar la supresión del desorden. Los resultados de la simulación verifican que la propuesta puede disminuir drásticamente la carga computacional manteniendo un rendimiento superior en la supresión de desorden heterogéneo.