鲁棒自适应波束形成算法（Robust Adaptive Beamforming,RAB）一直是阵列信号处理领域一个重要的分支,在很多领域都有着广泛的应用。在传统的鲁棒自适应波束形成算法中,普遍存在的一个问题就是估计的期望信号导向矢量会收敛于干扰子空间,使得期望信号被当做干扰抑制,而干扰被当做期望信号无失真输出,从而导致波束形成器的性能下降。为了提高自适应波束形成器对各种误差因素的鲁棒性,本文进行了如下的研究工作:首先,我们使用Capon功率谱在期望信号角度范围内重构期望信号协方差矩阵,此外,通过引入一个功率门限值将不可能是期望信号的信号成分剔除,减小重构的信号协方差矩阵的误差。另外,我们使用斜投影方法重构干扰协方差矩阵。该方法能够将接收信号中的期望信号成分全部剔除的同时,保证干扰信号几乎不会受到影响,使得重构后的干扰协方差矩阵精确度更高。同时避免了在干扰信号角度范围进行采样,降低了重构的计算复杂度,以更简单快捷的方式对协方差矩阵进行了重构。之后,根据重构后的信号协方差矩阵和干扰协方差矩阵,我们提出了一种分数型二次约束二次规划（Fractional Quadratically Constrained Quadratic Program,FQCQP）最优化问题。并发现,我们提出的最优化问题是属于典型的非凸二次约束二次规划（Quadratic Constrained Quadratic Programming Problem,QCQP）问题,可以将其转换为一个半正定（Semi-positive Definite Problem,SDP）最优化问题,再使用CVX工具箱进行求解,但在本文中。利用期望信号协方差矩阵秩比较小以及导向矢量尺度和相位变化对最优化问题和约束条件不会产生影响这两个特点,将我们最初提出的最优化问题进行简化,再使用拉格朗日乘数法结合牛顿法来对该最优化问题进行求解。利用上述思路,可以大大的降低最优化问题求解的时间复杂度。最后,对本论文中提出的最优化问题分别使用CVX工具箱和拉格朗日乘数法进行求解,对比仿真结果发现,求解结果完全相同,但在时间复杂度方面,本论文中提出的求解方法相对于使用CVX工具箱的解法更低。此外,也将本论文中提出的鲁棒自适应波束形成算法与其他经典的鲁棒自适应波束形成算法进行了仿真对比分析,结果表明我们的算法在多个方面性能均优于之前已经提出的算法。