在过去的几十年间,随着基础设施建设的迫切需要,阵列抗干扰技术研究日臻完善。但是随着现代科技水平的提高,科学工作者对阵列抗干扰性能的要求也日益提升,一些新的应用场景随之出现。例如高动态导航背景下,传统抗干扰算法无法抑制具有方向扰动的干扰,而分布式大阵列背景下,传统抗干扰算法时效性低,成本高。针对极化空时阵列信号模型,对传统的阵列抗干扰算法进行总结。分别就无监督和有监督,批处理和自适应方面总结了已有的干扰抑制算法。最后设计基于导航背景下的仿真实验对几种算法的性能进行了对比。提出了一种极化空时域零陷展宽算法。基于先验估计的干扰扰动参数推导出相应的极化空时域锥化矩阵,然后结合无扰动下的协方差矩阵估计给出高动态下的阵列接收信号协方差矩阵估计。最后求解功率倒置权向量,进行接收信号滤波,解决了高动态导航背景下传统抗干扰算法形成的零陷和具有扰动的干扰的实际方向不匹配的问题,从而提高导航定位的精度。提出了一种基于张量的分布式协同波束形成算法。将满足多线性平移不变性的阵列及其可分的信号模型拓展到分布式阵列网络上,给出了既适应于标量阵也适应于极化阵的张量信号模型,然后结合经典的分布式扩散策略推导了张量分布式协同波束形成算法。然后对算法进行了均值稳定性分析,并给出了算法收敛的充分条件。相比传统的分布式波束协调算法,提出的算法降低了算法复杂度,提高了收敛速度,并且节省了网络间的通信成本。提出了一种扩散高斯熵抗干扰算法。针对二阶非圆的复信号,推导了一种基于高斯熵的分布式干扰抑制算法,并在渐进无偏的圆系数估计背景下分析了算法的均值收敛性和均方稳定性。通过给出算法性能的界,分析了算法性能和相关参数的关系。实验验证了算法性能以及理论分析的准确性。本文提出的算法的合理性和有效性都已经经过仿真验证。结果表明提出的零陷展宽算法有效地抑制了具有方位角扰动和极化信息扰动的干扰信号。而提出的分布式协同波束形成算法,大大地节省了计算成本,并且减少了算法收敛所需的样本数,也提高了网络间通信效率。提出的基于高斯熵的分布式阵列波束形成算法,充分考虑观测噪声的非圆性,相比传统分布式抗干扰算法性能更好。