自适应波束形成技术作为阵列信号处理领域中的关键研究方向,因其高效的抑制干扰信号能力与对期望信号低损失接收的处理优势而广泛应用于军事国防和民生发展等领域。阵列天线基于此技术,通过调整各个阵元的权值系数,使其合成方向图波束的主瓣自适应对准特定角度来向的期望信号同时在干扰方向上形成零陷,实现阵列天线优良的输出信干噪比性能。理想条件下,自适应波束形成技术的空域滤波性能良好,然而在实际工程应用中,无可避免地面临复杂环境中各种模型失配误差与异常噪声干扰等不利因素影响,导致部分波束形成算法的性能大幅减弱甚至失效。因此如何提高复杂环境下波束形成算法的鲁棒性,即降低其对有意或无意失配误差与干扰噪声的敏感性,是目前工程应用中亟待解决的问题。本论文在总结经典的波束形成准则与常见的波束形成算法后,重点对实际工作中复杂应用场景下的冲激噪声干扰,高旁瓣电平与低零陷深度,期望信号方位指引矢量偏差以及空际间叠干扰展开深入研究,提出了对应的抗干扰鲁棒自适应波束形成（Robust Adaptive Beamforming,RAB）算法。现将本文的研究内容和主要贡献概括如下:1.研究了冲激噪声干扰下自适应波束形成算法性能严重退化的问题。提出了两种基于相关熵与范数模正则化的RAB算法。算法通过引入抗极端冲激异常值的相关熵准则,提高算法对冲激噪声的鲁棒性,并利用L1范数的稀疏性,对权值向量进行稀疏化处理,降低阵元反馈电流。同时利用L2范数凸化思想,对求解权值的目标函数进行凸化改造,迫使平坦的目标优化区域略微凸化,提升阵元权值的解算精度,使自适应波束形成系统具备抗冲激噪声干扰与低反馈能源开销的性能优势。2.研究了迭代寻优式和推导解算式波束形成算法的方向图波束旁瓣电平过高与零陷深度不足的问题,提出了基于斐波拉切散枝搜索（Fibonacci Branch Search,FBS）优化的RAB算法。根据斐波拉切序列单维优化策略,拓展性提出了多维目标优化的FBS算法,通过引入交互迭代规则与全局随机搜索使FBS算法对多维目标优化问题具备全局最优搜索能力。在自适应波束形成框架（Adaptive Beamforming,ABF）下设置零陷深度与旁瓣电平目标优化模型,利用FBS算法搜索该模型下权值的全局最优解,实现低波束旁瓣电平和高干扰零陷深度。3.研究了期望信号方位指引矢量偏差导致自适应波束形成算法性能下降的问题,提出了两种抗方位指引矢量偏差的RAB算法。第一种算法通过对干扰噪声协方差高阶泛化重构,降低期望信号成分的自消作用,并利用空域谱分段积分对期望指引矢量进行不确定建模,实现期望信号方位角的精准估计。第二种算法以约束均方误差方法的约束规划条件为框架,将指引矢量误差引申至约束方程中,构建非凸约束优化问题,结合闭环凸优化转换与约束随机梯度对构建的优化问题进行求解,提升算法对期望信号指引矢量偏差的鲁棒性。4.研究了空际间叠干扰导致最优自适应波束形成算法性能下降的问题,提出了两种针对空际间叠干扰的RAB算法。第一种算法基于空际间叠干扰协方差矩阵,利用卡亨南转换得到针对空际间叠干扰的空域处理矩阵,通过该矩阵对干扰的空际间叠性进行降消,提高系统对此类干扰的鲁棒性。第二种算法利用高维托普利兹矩阵与循环矩阵的转换关系,得到离散傅里叶变换矩阵形式的空际间叠干扰空域处理矩阵,通过该矩阵对干扰的优化处理削弱干扰的空际间叠性。最后对算法抑制空际间叠干扰的能力进行了论证推导和量化研究。