由于水下环境的复杂性和特殊性，对自适应波束形成的稳健性更为严格，因此研究稳健且适用于多输入多输出(Multiple-Input Multiple-Output，MIMO)声纳结构的自适应波束形成方法具有实际应用价值。MIMO声纳结构有其自身优势，如接收端自由度的增加、灵活的发射信号设计以及获得虚拟阵列等优势。然而实际水声环境中，可能存在部分阵元失效的情况，假如某个接收水听器失效，则对于MIMO声纳来说，将会有Mt（发射阵元数）倍的虚拟阵元失效，从而导致阵列自由度减少，从而减少了阵列的最大可分辨目标数，同时DOA估计性能也有所下降。针对上述问题，本文研究了适用于MIMO声纳结构的稳健自适应波束形成方法和部分阵元失效情况下的数据恢复技术，主要研究内容和成果如下:　　首先，研究了传统自适应波束形成方法，由于其数学模型是针对被动接收阵列误差进行建模，如果将其直接应用于MIMO声纳系统，相当于对发射端误差和接收端误差经Kronecker积后的虚拟阵列误差进行建模，未考虑发射端和接收端各自误差。当发射端和接收端误差较大时，传统自适应波束形成方法将无法保证算法的稳健性。由此，本文提出了一种基于概率约束的MIMO声纳联合发射/接收稳健自适应波束形成方法，该方法对发射端误差和接收端误差独立建模，并设置各自对应的概率值，从而使得误差不是经Kronecker积后耦合扩大的误差，从理论及仿真结果可以看出所提方法提高了算法的稳健性，而且能更灵活地选择MIMO声纳结构。　　其次，上述所提方法的目标函数仍需计算虚拟阵列数据协方差矩阵，是一个全维矩阵，当发射阵元数和接收阵元数比较多时，虚拟阵元数会非常大，此时，虚拟阵元数据协方差矩阵是一个高维度矩阵，从而使得数据存储量很大，其计算量也会非常大。所以本文提出了基于概率约束的降维MIMO声纳联合发射/接收稳健自适应波束形成方法。该方法将虚拟阵元数据协方差矩阵分解为对应于发射端和接收端的数据协方差矩阵，大大降低了数据协方差矩阵的维度，而且降低了算法性能对快拍数的要求。　　第三，为了充分利用MIMO声纳虚拟阵列自由度，同时考虑实际应用情况，采用多项式分解方法设计MIMO声纳发射阵列和接收阵列结构。实际声纳系统中由于环境及人为因素，可能导致部分阵元失效，使得阵列自由度减少。本文首先提出联合MIMO和差分阵(Difference Co-array, MIMODC)处理方法恢复阵列自由度，进而利用多项式方法推导得出MIMODC阵列冗余度。由于其引入了空间平滑方法，当阵元数较多时计算量会非常大，所以本文提出了一种数据协方差矩阵重构的方法，无需引入空间平滑方法即可获得同样性能，且降低了算法复杂度。　　最后，使用海上实验数据对联合MIMO和差分阵处理方法以及数据协方差矩阵重构方法性能进行验证。数据处理结果表明，所提两种方法都能恢复阵列原有自由度，从而恢复阵列最大可分辨目标数，同时恢复DOA估计性能。