自适应波束技术在无线通信、雷达、声呐、导航、射电天文、生物医疗、地震信号处理、语音信号处理等领域应用广泛。理想情况下,即当期望信号导向向量和信号协方差矩阵精确已知时,传统的MVDR波束形成算法具有良好的性能。而当期望信号导向向量或信号协方差矩阵存在失配时,算法性能严重恶化。此外,近年来稀疏信号处理在工程应用的各个领域展现了良好的应用前景,而已有的研究也显示稀疏信号处理在自适应波束形成的应用方面展现了一定的优势。针对上述问题,本文主要从稳健性和稀疏性两方面对自适应波束形成相关问题进行了分析和研究。具体来说,本文的主要工作如下：对阵列信号处理中自适应波束形成的基本原理以及几种典型的自适应波束形成算法做了全面的介绍。權面分析了几类经典的稳健波束形成算法,包括线性约束最小方差波束形成算法、直接对角加载算法、特征空间波束形成算法、基于贝叶斯估计的算法以及基于不确定集的经典稳健波束形成算法。并根据当前稳健自适应波束形成算法的最新研究进展,重点介绍分析了稳健波束形成算法的两类最新研究成果,即基于迭代搜索的稳健MVDR波束形成算法和基于多维协方差拟合的稳健波束形成算法。最后对上述稳健性算法的计算量、优缺点等做了全面的分析与比较。研究了一类基于稀疏约束的自适应波束形成算法。波束稀疏约束作为一种旁瓣抑制方法首先被用于MVDR波束形成算法和循环平稳盲波束形成算法,并显示了良好输出SINR性能。实际上,期望波束本身具有先验稀疏特点,利用该先验信息可以有效地提升阵列性能。基于以上的考虑,提出了一种基于稀疏约束的最小二乘恒模盲波束形成算法,该算法显示了更好的收敛速率和输出SINR性能,特别是在低信噪比情况下展现了更好的盲信号源捕获特性。此外,一方面,当信号源出现多个恒模信号时,基于稀疏约束的最小二乘恒模盲波束形成算法并不能有效地捕获期望恒模信号；另一方面,基于最大SINR优化准则的MVDR波束形成算法对失配非常敏感,而基于约束恒模准则的波束形成算法对失配体现了一定的优势。由此提出了一种基于稀疏约束的稳健最小二乘恒模波束形成算法,该算法利用了期望信号方向信息与波束稀疏先验信息,即使在大的DOA失配条件下,该方法依然能有效的捕获期望恒模信号且显示了良好的收敛速率和输出性能；同时,与MVDR波束形成器相比,该算法对失配体现了良好的稳健性优势。