超声成像由于其安全无创、方便快捷、成本低廉和实时成像等优势,广泛应用于医学诊断和工业、电力无损检测领域中。超声成像检测系统主要包含超声波发射与接收、波束形成、图像显示等环节,其中波束形成是核心环节,对最终超声图像质量有直接影响。以最小方差（MV,minimum variance）算法为典例的自适应波束形成算法较传统延时叠加算法在成像分辨率和对比度上有一定提高,但仍存在以下两个问题,限制了其成像质量和推广应用:（1）MV波束形成在动态加权运算过程中,涉及了高维协方差矩阵的求逆运算,尤其是在与特征空间法融合（ESBMV,eigenspace-based minimum variance）抑制噪声干扰时,涉及了协方差矩阵的特征值分解和排序运算,以致算法复杂度高,鲁棒性差,成像效率显著下降,难以满足超声成像的实时性要求。（2）MV波束形成的窄带假设与超声信号的宽带特性相矛盾,虽然子带最小方差（MVS,subband minimum variance）算法可通过短时傅里叶变换（STFT,Short-time Fourier transform）将超声宽带信号转换为频域窄带信号,以突破MV算法的分辨率限制。但由于STFT频谱泄漏、时频不确定等原因,MVS算法成像存在伪影,不适用于连续目标成像。针对以上问题,本文从波束域转换和频域转换角度对MV算法展开如下研究:（1）为解决MV和ESBMV算法复杂度高和鲁棒性差的问题,提出了一种融合乘幂法的低复杂度特征空间最小方差（LCMV）波束形成算法。首先,利用离散余弦变换将超声回波信号转换至低维波束域,并依据最小化失真原则和波束域转换效率确定最佳降维系数;其次,采用乘幂法求取所得波束域协方差矩阵的最大特征值和相应的特征向量;最后,忽略非最大特征值对应的低能量信号,将协方差矩阵求逆运算简化为向量乘法和投影运算。仿真与实验结果表明,该算法较MV和ESBMV算法具有更好的成像分辨率和效率,且对声速不均匀的鲁棒性更强,可应用于不同超声无损检测场合。（2）为解决MVS算法中的STFT时频不确定和频谱不准确的问题,提出了一种最优频域分段的最小方差（STFTMV）波束形成算法。首先,改进了基于对数窗能量的时频集中度准则,选择STFT的最优窗口,以实现频域窄带信号的最优分段;其次,利用STFT的共轭对称性,将频域波束形成计算量减半;最终,利用STFT窗口的非重叠特性,重构各阵元的频域子带信号。仿真与实验结果表明,该算法较MV和ESBMV算法具有更好的成像分辨率、鲁棒性和效率。此外,将改进的频域相干因子与该算法融合,可进一步提高算法对比度。（3）为解决MVS算法中的频谱泄漏和不适用于连续目标成像的问题,提出了一种融合交替乘子迭代的谱寻求最小方差（ABMVS）波束形成算法。首先,通过建立超声信号的谱寻求模型,将超声信号的频域子带求解问题转化为求解超声信号经STFT后各时间窗频率系数的问题;其次,引入验证超声信号频域稀疏性的惩罚函数,以获取频率系数估计问题的最大后验概率解;最后,采用交替因子乘子法分步迭代求取改进谱寻求模型的精确解。仿真与实验结果表明,该算法较MV和ESBMV算法具有更好的成像分辨率和对比度,且对噪声的抑制能力最强。