阵列信号处理是现代信号处理的一个重要的分支，其应用广泛的涉及到雷达、声呐、导航、通讯、成像、地质勘探和生物医学工程等诸多领域。因此对于该领域的研究有着重要的理论和应用价值。本论文的主要研究内容是阵列信号处理系统中的参数估计和波束形成技术，其目的是为了研究不同的噪声背景下快速有效的子空间估计方法，以及建立快速稳健的波束形成技术。 论文主要的工作如下： 1) 针对多级维纳滤波器(MSWF)用于子空间估计时信号特征矢量泄漏到噪声子空间的问题，提出了一种新的信号子空间估计算法，该算法不需要训练信号和信源个数的先验知识。对于信源个数的确定，给出了一种信源检测的后判断方法，最终完成信源个数及方向的同时估计。整个算法不需要协方差矩阵的计算和特征值的分解，具有较低的计算复杂度。 2) 对于空间相关噪声下的快速DOA估计，我们把时间相关信息引入到多级维纳滤波器算法中，提出了基于空时相关的多级维纳分解算法，用于快速估计空间相关噪声下信源的波达方向。同时针对相干信源情况我们给出了前后向平滑的多级维纳子空间估计快速算法，用于快速估计相干信源的波达方向。 3) 针对基于采样协方差矩阵幂的快速子空间估计方法中存在的缺点：需要预先知道信源个数的先验知识以及分离信号与噪声特征值的门限。本文提出了一种基于QR分解的Power-ESPRIT(以下简称QP-ESPRIT算法)新算法。首先使用采样数据协方差矩阵的幂(Power)获得噪声子空间的估计，然后对噪声子空间进行OR分解并使用R矩阵估计信源个数，提出了无特征分解的信源个数检测算法—SDWED算法。进而，信号子空间的特征向量就可以由Q矩阵确定，从而应用ESPRIT算法获得信源波达方向的估计。 4) 提出了一种基于多极维纳滤波器的快速稳健广义旁瓣相消(Generalized Sidelobe Canceller，GSC)波束形成器。首先根据多级维纳分解推导出计算加载量方程，从而得到精确的加载量，进一步结合提出的匹配滤波器加载技术，使得算法达到了稳健的性能。该算法不需要计算阵列的协方差矩阵及其特征值分解，因此极大的降低了算法的计算复杂度。 5) 提出了一种自适应参数选择的稳健波束形成算法，克服了固定误差参数的选择对于稳健波束形成算法性能的影响。该算法使用双约束最坏性能的最优化问题，推导出了计算加载量的方程，并根据该方程的特性，提出了自适应确定误差参数的方法。与基于固定加载和特征空间等稳健波束形成算法的仿真实验对比证明了所提算法的稳健性和有效性。6) 使用了一种非监督的聚类算法—FCM算法，提出了非监督特征值聚类的检测算法—UECD算法。该算法受采样快拍数的影响很小具有很强的鲁棒性。在高斯白噪声和空间相关色噪声情况下，算法都可以得到正确的估计。尤其对于非均匀的高斯白噪声本文算法的检测性能最好。在空间相关色噪声情况时，无论是使用两个独立阵列且两阵列之间的噪声不相关的情形，还是使用阵元间的噪声相关的单一阵列，算法都是有效的，只是后一种情况下本文算法的检测性能会略微下降。因此算法适用于各种噪声模型，具有很强的普适性。