汽车已经成为人们生活中不可或缺的一部分,而汽车拥有量的急剧增加使得交通拥堵、交通安全、空气污染等问题愈加严重。人们逐渐将路径规划、行车安全、网络互娱等元素加入到汽车产业当中。在这样的需求条件下,智能交通系统(ITS,Intelligent Transportation System)的发展迫在眉睫。车联网技术作为智能交通系统中最重要的组成部分,主要包括车辆与路旁基础设施(V2I,Vehicle to Infrastructure)、车辆与车辆(V2V,Vehicle to Vehicle)等通信场景。其中V2I通信场景下,汽车通过路旁的基础设施实现实时的交通信息交换及网络接入,可以对交通拥堵、交通事故等问题提前做出应对,让人们的出行更高效、更安全。因此,研究如何提升V2I场景下通信系统的性能成为人们亟待解决的问题。波束成形技术可以根据不同场景的任务需求,动态调整阵列天线的幅度与相位,在空间中形成定向波束,起到增强目标信号、抵抗干扰的效果。在V2I通信场景下运用波束成形技术,可大幅度提高无线通信系统的传输速率和可靠性。自适应算法在波束成形技术中占据着至关重要的地位,在车辆高速移动的环境下,自适应算法以其收敛速度快、稳态误差好的特点,可快速形成波束。本文研究基于群智能算法的自适应波束成形算法,在保留经典自适应算法优点的同时,利用群智能算法的寻优能力,改善自适应算法的收敛性能。主要工作如下:首先,研究智能交通中V2I通信场景与自适应波束成形技术,对技术的研究现状做了总体概括,重点研究了自适应波束成形技术的基本原理和增益,并分析了自适应波束成形算法的几种常用准则。其次,分析比较了LMS、RLS等经典的自适应算法,针对变步长LMS算法进行了分析研究,通过仿真验证了各算法的收敛性能与稳态误差,同时对群智能算法中的人工鱼群算法、混合蛙跳算法做了大量的研究分析,在MATLAB仿真平台将两种群智能算法分别实现。最后,将群智能算法引入自适应波束成形算法,提出一种新的V2I通信方案。针对自适应LMS算法的收敛速度与稳态误差问题,在自适应迭代中,利用群智能算法加强每轮迭代的局部寻优,同时利用LMS确保全局收敛,从而实现高效训练。采用MATLAB对改进算法进行了仿真验证,并与经典的LMS、RLS以及变步长LMS算法做了性能对比,结果显示所提的基于群智能算法的自适应波束成形算法有明显的性能提升。