自适应波束形成算法也被称作空域自适应滤波算法，它是将天线与数字信号处理技术相结合，利用空间特性来改进接收系统输出信噪比的，通过软件编程在自适应信号处理器上实现的。它不用对硬件做任何操作，只需通过修改软件，就可以方便地更新系统，以适应不同环境和不同应用场合的要求。采用自适应波束形成技术的智能天线可通过自适应算法调整加权值，任意改变方向图，在有用信号方向形成主波束，而在其它用户方向增益较低或形成零陷，减少了其它用户所引起的多址干扰，同时还可以降低接收信号的衰落程度，提高系统性能。

信息处理部分是智能天线的核心部分，主要包括超分辨率阵列处理和自适应波束形成算法两个方面。超分辨率阵列处理的目的是获得空间信号的参数，这些参数主要包括信号的数目、信号的来向、信号的调制方式及射频频率等，其中信号的来向对于实现空分多址和自适应抑制干扰有着重要作用。从是否需要参考信号(导频序列或导频信道)的角度来划分，这些算法可分为盲算法、半盲算法和非盲算法三类。非盲算法是指借助于参考信号的算法。由于发送时的参考信号是预先知道的，对接收到的参考信号进行处理可以确定出信道响应，再按一定准则(如著名的迫零准则)确定各加权值，或者直接根据某一准则自适应地调整权值(也即算法模型的抽头系数)，以使输出误差尽量减小或稳定在可预知的范围内。非盲算法相对盲算法而言，通常误差较小，收敛速度也较快，但发送参考信号浪费了一定的系统带宽。

数字波束形成器是全数字化超声成像的基础，也是高性能彩超的保证。

数字波束形成包括发射和接收两个部分。数字是接收波束形成的关键技术，它通过使用顺序储存器FIFO或随机存取存储器双端口RAM替代模拟式波束形成器中的LC延时线来实现波束聚焦，即以数字延时补偿替代模拟延时的补偿。数字延时不仅能实现精确延时补偿，实现所谓的逐点跟踪式动态聚焦，还能方便实现动态孔径、动态变迹控制，克服模拟式延时补偿存在的诸多固有缺点，通道数增加不受限制，是图像品质得以全面提高。

所谓波束形成是指将一定几何形状(直线、圆柱、弧形等)排列的多元基阵各阵元输出经

过处理(例如加权、时延、求和等)形成空间指向性的方法。

应用 ：球谐波束形成法识别定位汽车内部噪声源。

波束形成算法是智能天线研究中最核心的内容。波束形成算法根据基于的对象不同可以分为基于方向估计的自适应算法，工程中天线主波束效率快速估算，基于训练信号或者参考信号的方法和基于信号结构的波束形成方法；,根据是否需要发射参考信号，保持各波束主波束无畸变，保持各波束主波束无畸变,分为非盲算法和盲算法。接下来本文将具体介绍这几种算法。

波束形成算法是智能天线研究中最核心的内容。按照不同的准则，可以将波束形成算法分为许多种类。例如根据基于的对象不同，可将波束形成算法分为以下3类。

（1）基于方向估计的自适应算法。这类算法分为两种情况。第一种情况，参考用户信号方向已知。这时可根据不同的准则（如线性约束最小方差准则、最大似然准则和最大信噪比准则等）计算自适应权值。第二种情况，参考用户信号方向未知。这时可根据多信号分类（MUSIC）、旋转不变技术信号参数估计（ESPRIT）等方法等估计信号DOA。这类方法虽然在分析上较方便，但是存在运算复杂度高、对误差敏感度高等问题。

（2）基于训练信号或者参考信号的方法。这类算法不需要估计信号到达方向，对天线本身的结构也没有太多的限制。但是这类算法存在的问题是发射训练信号需要先验载波和符号的恢复，这对于存在同信道干扰的情况比较困难，而且发射训练信号会降低频谱的利用率。

（3）基于信号结构的波束形成方法。这类算法利用信号的时域特性来计算权值，利用了恒模特性、有线集码、循环平稳特性和高阶统计量等，对误差比较稳健，不需要信号的方向信息。但是，这类算法存在的问题是收敛速度较慢。

另一种更常用的分类方法是根据是否需要发射参考信号，将波束形成的算法分为非盲算法和盲算法。

（1）非盲算法通过发射训练序列或者导频信号来确定信道响应，然后根据一定的准则调整权值。常用非盲算法包括最小均方（LMS）算法、直接矩阵求逆（DMI）算法和递归最小二乘（RLS）算法。

（2）盲算法不需要发射训练序列或者导频信号，接收端将自己发送的信号作为参考信号进行估计，然后调整权值。典型的盲算法包括两种：一种是利用信号特征的盲算法，比如利用信号恒模特性的恒模算法，利用信号循环平稳性的周期平稳性算法，还有有限符号集算法；另一种是利用DOA的盲算法。提取DOA信息的算法如MUSIC、ESPRIT等。