在超声无损检测中，合成孔径聚焦技术(SAFT)是一种通过叠加A扫描数据来得到缺陷图像的信号后处理技术。随着计算机技术的快速发展，合成孔径聚焦技术在数据获取和快速计算上变得更加容易，但是传统的合成孔径聚焦成像结果已经无法满足对高信噪比和高分辨率的要求。于是，更多的信号处理技术被运用到合成孔径聚焦技术中来获得高质量的超声图像。　　为了改善合成孔径聚焦算法的成像质量，本文通过对合成孔径超声成像技术的深入理解，针对其成像算法的简便性特点，探索了将多元高斯声束叠加模型与合成孔径聚焦技术相结合的超声成像技术。　　首先，建立了多元高斯声束叠加的数学模型(MGBM)。针对不同类型超声探头的声场表达式，进行了理论的公式推导和数学建模，并和经典的声场仿真模型进行了计算和对比，验证了多元高斯声束模型的可靠性和高效性。　　其次，建立了传统合成孔径聚焦算法和改进合成孔径聚焦算法的数学模型，对超声数据的处理方法进行了分析，并针对标准缺陷进行合成孔径聚焦(SAF)成像的数据采集，根据两种成像算法得到二维超声成像结果，验证了改进算法的可靠性。　　然后，引入图像质量的客观评价指标，对二维超声图像的峰值信噪比和结构近似度进行了定量计算，结果表明改进SAFT成像较传统SAFT成像而言，峰值信噪比提高了9～10dB，结构近似度得到了0.04～0.11的提升。　　最后，为了得到更好的超声成像结果，提出了一种优化方案:将两种算法的成像结果进行归一化处理后再进行图像融合，得到的优化结果表明成像质量被进一步改善。