自适应波束形成技术可以定向的接收空间中的特定信号,同时对其它方向上的干扰信号进行抑制,避免干扰信号对系统的影响。在实际的应用中,由于阵列孔径长度有限,所以经典的自适应波束形成算法都存在瑞利极限,方向图的主瓣宽度存在限制,并且在处理相干信号时算法的性能会降低。针对瑞利极限问题,本文提出了一种基于对称空间滤波器组自匹配的波束形成算法。通过对阵列调向这一方法的延伸,提出了对称偏转调制构造偏转调制矩阵的方法。使得对应主轴的波束分量得到加强,其它分量受到抑制,提高了算法对有用信号的增强能力,抑制了干扰信号,突破了瑞利极限。针对算法中出现的信号互调问题和相干信源下算法性能下降情况,进行了优化,提升算法性能。主要研究内容如下:首先是突破经典自适应波束形成算法的瑞利极限,本文通过引入对称偏转调制的方法,在主轴两侧做等间隔、等次数的阵列调向,得到对称的偏转调制矩阵。当信号通过对称偏转调制矩阵后,正对主轴方向的波束分量具有左右对称的性质,其它方向的分量则不具有这一性质。然后将系统响应输出通过自对称匹配滤波器,则具有左右对称性质的期望信号会得到增强,其它分量由于不具备这一性质,会被极大的削弱。本文算法在匹配滤波环节会产生信号互调,针对这一情况,本文对信号互调的影响做了详尽的分析,发现期望信号与干扰信号之间的互调干扰较大,干扰信号之间的互调基本可以忽略。为了削弱期望信号与干扰信号之间的互调影响,提高算法性能,本文引入了LCMV波束形成算法进行优化。对LCMV算法中的约束响应矢量进行对称偏转获得约束响应矩阵,将约束响应矩阵带入算法权值公式得到经过对称偏转调制之后的LCMV算法权值矩阵,最后通过自对称匹配滤波环节获得本文最终的权值矩阵。与原算法相比,经过LCMV算法的优化后,阵列方向图可以在干扰信号的来波方向上形成较为精确的零陷,实现对干扰信号的进一步抑制。针对算法在相干信源下出现的性能下降问题,本文提出一种改进的Toeplitz解相干算法。将采样数据第一行数据与其它每行的数据元素作互相关函数获得重构的协方差矩阵,对重构矩阵取共轭获得新的矩阵,将两个矩阵加权平均获得最终的重构矩阵。通过该方法在有效解决信号源相干问题的同时还可以降低矩阵重构的计算量。最后,搭建了基于FPGA的硬件实验平台,对实验平台的组成部分进行介绍,详细表述数据处理模块的过程,最终对本文算法进行验证。