自适应波束形成技术在阵列信号处理中占据重要地位，被广泛地应用于雷达、声纳、无线通信、医学成像等领域。但是该技术对模型失配很敏感，当存在导向矢量失配、接收信号中包含期望信号时，传统自适应波束形成算法的性能会严重下降。因此研究在各种失配情况下的鲁棒自适应波束形成算法具有重要的理论意义和应用价值。　　本文在建立阵列信号处理模型的基础上，分析了传统的鲁棒波束形成算法:对角加载算法、基于特征空间的算法和最坏情况优化算法。针对传统鲁棒波束形成算法存在各种各样的缺陷和限制，本文从导向矢量估计和干扰加噪声协方差矩阵重建为切入点，提出三种改进鲁棒波束形成算法。针对最坏情况优化类算法不确定集选取过大会造成干扰抑制能力下降的问题，提出一种通过迭代的方法利用较小不确定集来纠正导向矢量的算法，该算法在不降低干扰抑制能力的同时来纠正导向矢量从而获得更好的输出性能。之后提出一种首先重建干扰加噪声协方差矩阵来去除接收数据包含期望信号的影响，然后在重建协方差矩阵的基础上通过最大化阵列输出功率来纠正失配导向矢量的算法，解决了常规鲁棒波束形成算法在高输入信噪比时出现的期望信号相消现象，同时还纠正了失配的导向矢量，使得该算法能够在一个非常大的输入信噪比范围内获得非常理想的输出。针对第一种算法没有估计干扰加噪声协方差矩阵和第二种算法计算复杂、不利于实现的问题，提出一种使用逼近收缩来估计干扰加噪声协方差矩阵和导向矢量的低运算复杂度算法。最后在实验室多通道信号处理板上编写DSP底层驱动，采用利于DSP实现的QR分解法分解特征值，实现了基于特征空间的波束形成算法，验证了基于多核DSP实现自适应波束形成的可行性。