自适应波束形成的权值系数是通过阵列采集的信号(称为样本)按一定的算法计算得到的,通常要求样本数据服从一定的分布,当样本信号中包含期望信号的情况,即样本存在信号污染情况下波束形成算法的性能将下降,本文简称样本中存在信号情况为样本污染,而且本文只研究这类样本污染情况下波束形成算法及其实现,其它情况的样本污染不在本文所研究范围之内。本文研究内容安排如下:在样本污染的情况下,直接应用正交投影波束形成算法将导致性能下降。本文研究了一种新的正交投影波束形成改进算法,通过对样本数据进行简单的预处理,阻塞掉样本数据中含有的期望信号,构造出新的样本数据协方差矩阵,在此基础上,实现正交投影算法。新算法与样本数据本身不含期望信号的正交投影波束形成算法性能相当,而且对于输出信干噪比具有更快的收敛速度。在样本中包含期望信号的情况下,基于特征子空间的波束形成算法(ESB算法)是有效的,但ESB算法的核心是协方差矩阵的特征值分解,运算量大。本文讨论了一种基于酉变换的ESB算法,该算法通过酉变换,使得特征值分解的运算量大大降低。由于该方法中的复值协方差矩阵转换为实值协方差矩阵时采用了协方差矩阵前后向平滑的方法,所以其收敛速度更快,且当空间存在相关或者相干干扰信号对时,该算法仍然可以得到良好的性能。以上两种方法的有效性和可行性均通过大量的计算机仿真验证,具有一定的理论意义和实用价值。本论文还讨论了通用波束形成器的设计问题。在波束形成器的硬件设计中,首先介绍了多处理器并行处理技术;接着给出了一个通用波束形成器的结构框图,并分析了其综合性能。在软件编程上,采用模块化的思想,在主程序中搭建系统功能框架,调用各子功能模块,具有一定的通用性和独立性;随后讨论了实现基于酉变换的ESB算法中的几个关键问题。最后给出了系统程序设计重要功能的流程图和各个DSP的功能分配框图。