极化敏感阵列由于可以有效利用信号的极化特性,因此在接收期望信号并抑制压制性干扰方面具有重要的研究意义和应用价值,特别是在导航信号的干扰抑制方面。但是,目前存在的基于极化敏感阵列的干扰抑制算法通常考虑的都是静态干扰或高斯圆干扰,从而导致这些算法在存在干扰扰动或非圆干扰情况下并不能达到最优的性能,或者存在性能下降。本文主要研究在极化敏感阵列下有效接收可能非圆的期望信号并同时抑制可能存在扰动或非圆的干扰。主要工作如下:针对高动态环境下的非圆干扰,本文考虑结合极化敏感阵列均匀线阵和考虑信号非圆特性的宽线性模型,建立了极化宽线性的信号模型。其次,本文通过研究经典高动态干扰抑制算法的协方差矩阵锥理论,分别讨论了极化域和空域的协方差矩阵锥和互补协方差矩阵锥。最终,本文得到了极化宽线性模型下的接收信号协方差矩阵及相应的协方差矩阵锥,进而给出了一种基于宽线性极化敏感阵列的零陷展宽高动态非圆干扰抑制算法。仿真实验验证了算法的零陷展宽性能。针对在极化敏感阵列均匀线阵的非圆信号接收并抑制可能的非圆干扰问题,本文研究了一种基于最小高斯熵准则的无失真波束形成算法。基于高斯熵准则的波束形成算法可以有效利用接收信号非圆信息,并且通过自适应迭代的方式求解算法的最优权值。在极化敏感阵列下,本文研究了基于梯度下降的最小高斯熵无失真自适应波束形成算法,同时,给出了所提出算法的无失真特性和算法的收敛性分析。仿真实验验证了算法对接收非圆信号的性能。针对在大规模极化阵列,通常的干扰抑制算法可能存在收敛速度慢和计算复杂度高等问题,本文考虑了一种具有多线性平移不变性的可分离阵列,可以分别求解其子阵权值的方法,来降低计算复杂度并加快收敛速度。本文建立了基于非圆SOI的无失真约束下张量最小高斯熵代价函数,并基于此提出了张量最小高斯熵无失真自适应波束形成算法。仿真实验证明了提出的算法在大规模极化阵列下的卓越性能,尤其是在高非圆系数的期望信号和大的信噪比下。