波达角(Direction of Arrival, DOA)估计和自适应波束形成是现代阵列信号处理领域中的两个重要研究内容,它们在通信、雷达、声纳、地震探测、射电天文等诸多领域有着非常广泛的应用。文中介绍了阵列信号处理的基本模型和理论方法,分析了已有的各种DOA估计和波束形成算法的特点与不足之处,进而提出了新的算法。通过研究多径效应下的DOA估计算法,为了克服空间平滑类算法存在阵列孔径损失的缺点,引入了衰落系数的概念,提出了一种改进的衰落系数估计方法,同时研究了多径环境下DOA和衰落系数联合最大似然估计算法,并采用交替最大化的方法将最大似然算法中的多维寻优过程简化为多次一维搜索的寻优过程,降低了算法的计算复杂度,并进一步推导了信号波形已知条件下DOA和衰落系数的Cramer-Rao界。值得注意的是,在对最大似然估计算法的仿真研究中,讨论了多径效应下的几种不同的信号环境,试验结果表明,最大似然算法在这些信号环境下都表现出良好的性能。在宽带的DOA估计算法中,研究了三种宽带预处理技术,将宽带信号上的不同频率变换到同一频率上,从而适用于各种窄带DOA算法。首先,提出了基于阵列接收数据矩阵的宽带聚焦算法,即聚焦矩阵的求解不再依赖于阵列导向矢量,而是直接从接收到的数据快拍中提取信号子空间,这样就省略角度预估计的步骤,避免了预估计角度误差对最终结果的影响；其次,从理论上证明了直接将各频率点处的数据协方差矩阵相加仍然可以有效地估计宽带入射信号的角度,但估计精度会受到阵列流型的制约；第三,提出了基于导向矢量频域积分的宽带预处理方法,虽然该算法的性能并不占优势,但计算量较小,硬件实现容易。通过将新算法与已有算法进行综合比较,指出了它们的优势和劣势,为工程实践中的应用提供了重要的参考价值。鲁棒算法是克服阵列导向矢量不确定性误差的有效方法,是波束形成技术实用的关键。考虑到椭球不确定约束下最优化算法的复杂度,以及椭球方程的参数选择在实际应用中几乎无法确定,因此对基于椭球导向矢量不确定约束的鲁棒最小方差算法进行了简化,在信号导向矢量误差限制在一定范围内的条件下,很好地克服了传统最小方差算法对信号导向矢量误差敏感的缺陷。通过推导不确定权值约束下的鲁棒波束形成算法,发现该算法与信号所对应的导向矢量无关,其实质是一种负对角加载方法,对角加载因子接近于信号特征值的大小,从而使采样协方差矩阵中对应的信号特征值趋近于零。与基于不确定导向矢量误差约束的鲁棒算法相比,该算法不需要估计信号的DOA,显著地降低了算法的复杂度,而且有效地避免了信号对消效应的产生。但是,负加载算法可能导致的问题是,如果负加载因子选择不当,将导致数值运算的稳定性大幅度降低,最终使得算法失效。