自适应波束形成技术主要用来增强期望信号并抑制干扰与噪声，为后续的目标检测与定位等服务，在雷达、声呐、导航、语音信号处理等诸多领域有着广泛的应用。理论上传统的最小方差无畸变响应(MVDR)波束形成器可以获取最优性能。但在实际环境中，通常由于阵列位置误差、波形扭曲、随机相位误差等因素的影响导致阵列导向矢量出现较大失配，此时MVDR波束形成器的性能将严重衰退。此外，由于多输入多输出(MIMO)雷达与大规模阵列通常系统维数过高，它们除面临多种误差导致导向矢量失配的问题，还面临着计算代价过高与样本需求量过大的问题。针对这些问题，本文中我们主要研究了相控阵及MIMO雷达的稳健波束形成(RBF)技术，并研究了针对大规模阵列的降维RBF方法。本论文的具体研究内容主要有以下几个方面：　　1.针对传统的最坏情况性能最优(WCPO)波束形成器，提出了一种新颖的迭代广义瑞利商(IGRQ)算法来替代传统的二阶锥规划(SOCP)技术对原问题进行求解。首先，将原始的非凸模型转化为一个广义瑞利商问题，然后，采用迭代求解的方法求解该广义瑞利商问题。每次迭代中的主要任务是获取最大特征值对应的广义特征向量。为了进一步降低求解主广义特征向量的计算量，通过特征值分解将原问题转化为求解主特征向量的问题，并采用经典的幂迭代算法进行求解。与传统的SOCP技术相比，提出的IGRQ算法能较大地降低计算量，更利于实时应用系统。　　2.针对传统的基于半正定松弛(SDR)的导向矢量估计方法存在计算复杂度高、潜在的性能损失问题，提出一种采用序列二次规划(SQP)求解的新算法，首先利用一阶泰勒级数将原始模型线性近似为凸优化问题，然后对该子凸优化问题进行迭代求解。此外，还考虑了协方差矩阵失配问题，提出最坏情况性能最优的序列二次规划(SQP-WC)算法提高SQP算法的性能。仿真实验表明，SQP算法收敛速度较快，收敛点逼近原始问题最优解，与现有SDR算法相比能够有效降低计算量，SQP-WC算法在小参数值时即可有效改进SQP算法的性能。　　此外，针对MIMO雷达提出一种迭代降维RBF方法。将整体线性联合(GLC)方法应用到MIMO雷达模型得到改进的协方差矩阵估计，接着利用MIMO雷达收发阵列少部分先验知识，根据目标信号输出功率最大原理建立代价函数以估计真实的发射与接收导向矢量。与传统算法相比，本文算法在导向矢量失配严重情形下能够取得最高的输出SINR，且本文算法能快速收敛，具有更低的计算复杂度。　　3.针对均匀线阵提出一种相位响应固定幅度响应约束的RBF方法。通过分析我们发现阵列响应函数与权矢量(WV)逆序列的传递函数只差一个相位因子，令WV逆序列的传递函数具有线性相位，从而使得阵列响应函数也具有线性固定相位。因此，只需对阵列响应的实数幅度进行约束即可有效控制稳健区域的宽度和波动程度。与传统算法相比，所提算法能有效提高计算效率。此外，在线性相位保证下所提算法具有更好的性能。仿真实验验证了所提算法的性能。　　4.针对MIMO雷达，提出一种基于线性相位和幅度约束(LPMC)的MIMO雷达RBF方法来灵活控制稳健区域的宽度。首先，基于现有的WV可分离原理，将MIMO雷达的WV分解为发射WV与接收WV的Kronecker积。接着，基于有限长脉冲响应(FIR)滤波器的设计将发射与接收阵列的相位响应设置成线性的。最后，所建立的稳健模型只需约束发射与接收阵列的实幅度响应大于1。所建立的代价函数是关于发射与接收WV的双二次函数，能够被双迭代算法(BIA)有效求解。所提算法与传统的高维MRC算法相比，能有效降低计算量并提高样本收敛速度。　　5.提出一种基于阵列共轭对称性质的MIMO雷达MRC波束形成器。首先，将发射与接收导向矢量改写为共轭对称形式，并基于幅度响应约束和共轭对称约束建立稳健模型。接着，为了降低计算复杂度与样本需求量，将原始的稳健模型转化为一个双二次代价函数并利用现有的BIA算法求解。与传统的MRC算法类似，所提算法也能够灵活控制稳健区域的宽度和波动程度，但所提算法具有更低的计算复杂度与更快的样本收敛速度。此外，只要 MIMO雷达的导向矢量具有共轭对称特性，所提方法均可适用于它。　　6.提出一种应用于大规模阵列的降维MRC波束形成方法。通过分析大阵下传统MRC波束形成器的波形，将MRC波束形成器WV的主要分量投影到期望稳健区域内的导向矢量张成的空间，此外，还增加与期望稳健区域张成的空间正交的少部分分量，来进行自适应处理。这样，原始的高维优化问题被转化为一个低维优化问题，从而减少计算复杂度和样本需求量。所提的降维方法本质上是一种主波束多通道的波束空间法。理论分析与仿真实验表明，与传统的高维MRC波束形成器相比，降维MRC波束形成器具有更低的计算复杂度和更快的样本收敛速度。