阵列信号处理是指通过传感器阵列接收空间信号,对其进行一定处理后获取有用信息,是信号处理领域中一个重要的研究分支。自适应阵列处理,目的是让接收数据经过相应处理后,能够自适应的调整阵元的权矢量,然后在感兴趣方位形成空间指向性,被普遍应用到雷达、通信导航、医学等领域。但是算法在实际应用时,复杂的环境中会存在各种误差源,如观察方向误差、阵元标定误差、通道幅值误差与相位误差等因素,造成来波方向存在误差,波束形成算法的输出信干噪比也会因此大幅降低。因此,如何提高角度失配条件下自适应波束形成算法的输出性能在近些年以来一直受到众多学者的关注和研究,也陆续出现了一系列的稳健波束形成算法。在一些算法当中,仍旧存在部分问题亟待解决。在此研究背景下,本文将围绕角度失配条件下的稳健波束形成算法展开研究。具体如下:本文首先阐述了自适应波束形成算法的基本理论和方法。其中详细介绍了阵列信号处理中,远场窄带信号在均匀线阵上的数学模型,波束形成算法的三大寻优准则,以及算法性能的相关评估指标。然后介绍了几种传统的波束形成算法,即常规波束形成（conventional beamforming,CBF）算法,最小方差无失真响应（minimum variance distortionless response,MVDR）算法以及MVDR算法实际应用时,采用的样本矩阵求逆（sample matrix inverse,SMI）算法,对每种算法的数学模型做了详细的公式推导,并用MATLAB软件进行了相应的仿真,分别设置不同的实验参数然后进行相关的仿真实验,对算法进行了总结和归纳。接着分析了导向矢量失配以及协方差矩阵失配对算法稳健性的影响,着重介绍了近些年针对导向矢量失配提出的几种经典的稳健自适应波束形成（robust adaptive beamforming,RAB）算法。实验分析表明,基于对角加载的RAB算法存在加载系数难以确定的问题。快拍数较低的时候,基于特征值进行子空间划分的RAB算法性能急剧下降。方向矢量误差范围较大时,针对其不确定程度建模的RAB算法性能欠佳。因此,本文从有限快拍和较大角度误差两方面入手,针对部分算法的缺陷,分析并提出了相应的改进方法。然后,针对SMI算法在低快拍数时存在高旁瓣和主波束图畸变的缺陷,本文研究了一种基于酉变换的改进SMI算法。SMI算法是MVDR波束形成器的实际实现,有限快拍导致样本协方差矩阵失配,噪声特征值因此不够稳定,此时SMI算法的波束响应旁瓣升高。本文提出的改进算法,通过酉变换技术对接收数据进行处理,快拍数得以扩展,同时数据也从复数转化成了实数值。仿真实验表明,所研究的算法在低快拍时有更快的收敛性和更好的输出性能。另一方面,针对实际环境中各种因素导致的角度失配情况,对期望信号来波区域进行幅值约束的稳健算法获得了广泛的应用,但是这类算法的旁瓣增益往往也比较高。在求取权矢量的过程中,如果接收数据中含有信号成分,方向矢量哪怕只有轻微失配,算法性能也会大大降低。因此本文提出了基于协方差矩阵重构的幅值约束算法。该算法对期望信号来波方向区域进行幅值约束,与此同时,结合子空间理论对导向矢量进行估计,然后利用估计的导向矢量和真实的导向矢量的相关性,找到协方差矩阵中期望信号的导向矢量及对应的信号特征值,并用平均噪声特征值代替,以此达到消除期望信号影响的目的。最后用MATLAB仿真软件对算法的各性能评估指标进行了验证分析,结果表明提出的改进算法具有很好的稳健性。