医学超声成像技术因具备对人体无害、安全性高、实时成像快、成本低等优点广泛应用于临床诊断中。然而超声成像技术相比较于电子计算机断层扫描、磁共振成像和X射线成像等临床诊断成像技术仍然存在着一些技术问题需要得到解决,例如成像结果的分辨率低、图像很容易受到噪声的影响等。随着超声成像诊断在临床中越来越广泛的应用,对超声成像质量的要求也越来越高。在超声成像中,自适应成像算法是提升超声成像质量的一种最为有效的方法。由于能有效地提高成像效果,合成孔径成像技术引起了广泛研究。本文主要提出了基于信号子空间特征值自适应波束形成(Signal-subspace Eigenvalues Adaptive Beamforming,SEAB)算法和基于信号特征值系数(Signal Eigenvalue Factor,SEF)加权成像的合成孔径成像算法。本文的主要的研究工作:1、通过对超声成像系统架构和合成孔径成像技术的研究,详细介绍了超声成像的工作原理,对成像算法如何能够提高成像质量的原理在整体架构层面上做出了解释,从而更好的理解本文所提出的新成像算法。2、通过对传统的延时叠加(Delay-And-Sum,DAS)、最小方差(Minimum Variance,MV)和基于特征空间的最小方差(Eigenspace-based Minimum Variance,EIBMV)自适应波束形成算法的原理研究,提出了SEAB成像算法,并通过仿真和实验数据对比SEAB与传统方法的成像结果,说明该算法相对于传统的算法具备一定的优越性。3、提出了SEF加权成像。通过仿真和实验数据对比DAS、相干系数(Coherence Factor,CF)和SEF加权成像的成像效果,来验证所提出的加权系数在成像方面的有效性。本文提出了两种自适应成像算法,仿真和实验数据显示这两种方法可以有效提高图像的分辨率、对比度和噪声对比度,改善合成孔径成像方法的成像质量。