波束形成在雷达和声纳以及无线通信等阵列系统中具有广泛的应用。数字波束形成通常是基于接收信号的阵列响应和协方差矩阵的估计而设计的。由于天线增益、相位、波达方向(Direction of Arrival,DOA)和协方差矩阵估计的误差会导致导向矢量(Steering Vector,SV)产生模型失配,而这种模型失配会导致波束形成性能的下降。显而易见,在实践中,模型不匹配是无处不在的,但其严重程度是未知的。因此自适应选择波束形成器的解决方案在实际应用中至关重要。针对这一问题,本文研究了基于协方差矩阵或精度矩阵的收缩估计、干扰加噪声协方差矩阵重构、特征子空间、对角加载和条件数正则化精度矩阵估计方法的波束形成器在存在模型失配时的鲁棒性。其中基于精度矩阵的方法是将线性脊估计方法、协方差矩阵线性收缩估计以及数据驱动选择参数的方法相结合而提出的一种新的方法。此外,本文提出并研究了基于协方差矩阵或精度矩阵收缩估计、对角加载和条件数正则化精度矩阵估计分别与特征子空间方法和干扰加噪声协方差矩阵重构方法相结合的波束形成器在存在模型失配时的鲁棒性。文中波束形成器的主要评判标准为输出信号与干扰加噪声的比。通过对仿真结果的数值研究表明,当目标信号(Signal of Interest,SOI)的波达方向(DOA)和阵列几何形状不完全已知时,它们的表现可能完全不同。干扰加噪声协方差重建方法依赖于对不同DOA的阵列响应,在不同DOA的阵列响应准确时实现了优越的性能。但是,它似乎是阵列几何中对模型失配最敏感的。相比之下,基于协方差和精确矩阵收缩的方法没有利用SOI的DOA和阵列几何。当SOI的DOA和阵列几何精确已知时,它们显然是次优的,但是当存在模型失配时,它们的性能是更稳健的。