全球导航卫星系统（Global Navigation Satellite System,GNSS）因其高精度、全天候、全天时的工作特性,目前已被使用于诸多领域。由于卫星导航接收机接收到的信号十分微弱,且往往受干扰影响而无法准确定位。特别地,若处于高动态环境,干扰与接收机之间的夹角将随时间变化而变化,导致干扰无法准确进入零陷位置,从而造成接收机性能下降。本文从阵列信号处理的两个重要组成部分出发,主要围绕以下内容进行研究:1)结合GNSS信号的处理过程对空域信号处理的基本原理进行简要阐述,建立了阵列信号模型,并在此基础上建立了高动态运动模型。介绍了三种常用的自适应波束形成准则:最大信干噪比（Maximum Signal-to-Noise Ratio,MSINR）准则、最小均方误差（Minimum Mean Square Error,MMSE）准则、线性约束最小方差（Linear Constraint Minimum Variance,LCMV）准则。2)提出将子空间更新的多重信号分类（Multiple Signal Classification,MUSIC）算法应用于对干扰的波达方向（Direction of Arrival,DOA）估计,以改善高动态环境下信号发生变化导致算法不能正确估计信号方向甚至完全失效的情况。该算法与MUSIC算法相比,MUSIC算法适合于静态条件下的DOA估计,而基于子空间更新的MUSIC算法通过对特征值和子空间同时进行跟踪,在迭代过程中实现了对信号信息的更新,故其更适合在高动态下进行信号的DOA估计。仿真验证了该算法比MUSIC算法有更高的谱峰值和更小的估计误差。3)为了提高卫星导航接收机的抗干扰能力,着重对展宽类算法进行研究分析。推导分析了GNSS信号处理中经典的抗干扰算法,并围绕降秩算法进行了相关研究。推导证明了两种协方差锥化（Covariance Matrix Taper,CMT）算法,仿真验证了该两种CMT算法均不同程度地提高了抗干扰能力。4)基于零陷展宽技术提出了一种改进的GNSS干扰抑制算法,以增强高动态环境下的干扰抑制能力。该算法基于对样本协方差矩阵的处理,在干扰周围进行插值,并对样本协方差矩阵进行平滑处理。仿真证明,将所提算法与其他现有抗干扰算法相比,形成的零陷更深约-10dB,且在低信噪比（Signal-Noise Ratio,SNR）下具有更高的阵列输出信干噪比（Signal to Interference plus Noise Ratio,SINR）,在高动态环境下具有良好的稳健性。