方向图综合技术一直以来都是阵列信号处理领域的核心问题,这是一种通过调整阵列不同阵元权值来控制接收或发射电磁波功率在不同空间角度的分布的技术,该技术广泛应用于现代雷达、通信系统和声纳等领域。近年来,阵列规模朝着大型化的方向发展,在获得良好性能的同时,系统计算复杂度变高和复杂的馈电网络使系统实现起来极其复杂。针对阵列大型化出现的一些问题,本文立足于实际应用需求,聚焦于降低大规模阵列的计算复杂度和设计复杂度,改进基于K-means算法的子阵划分技术,结合凸优化算法和遗传算法（Genetic Algorithm,GA）的混合方法划分子阵技术,以及改进一种稀疏阵列设计技术。研究内容概述如下:（1）改进了一种应用于大规模线性阵列和平面阵列方向图综合问题的基于K-means算法的子阵划分技术。利用子阵列划分和最优权值之间的关系,将基于逼近期望方向图综合的子阵划分问题简化为确定最优子阵列配置（子阵布局及相应的子阵权值）的问题,进一步经过理论推导将该问题近似表示为聚类问题,然后,采用K-means聚类算法来求解该问题。该算法在保持窄的主瓣宽度的同时,能够极大地节省馈电节点并获得较低的峰值旁瓣电平（Peak Side Lobe Level,PSL）。（2）通过结合凸优化算法和GA,改进了一种划分子阵的混合方法,用于求解不同的基于均匀线性阵列方向图综合问题（最优聚焦波束方向图综合问题,低PSL方向图综合和逼近参考方向图综合问题）的最优子阵列布局和相应的最优子阵权值。划分子阵的优化问题是非线性并且是非凸的,难以直接求解,利用GA能够对非凸问题求解,通过编码使GA种群中的个体对应于子阵列划分方案,对于确定的子阵列布局,上述不同方向图综合问题退化为仅仅关于子阵列权值变量的凸优化问题,然后,将关于子阵权值变量的凸优化问题用作GA的适应度函数,并构建适当的参数作为适应度值。最后使用凸优化算法计算最优子阵列权值并计算个体的适应度值,经过迭代,找到全局最优的子阵划分及子阵权值。（3）改进一种应用于宽带信号恒定束宽的基于迭代1范数稀疏阵列设计算法,利用1范数近似替换了0范数,在每次迭代计算过程中,对同一阵元的一组抽头权值乘上相等的系数,控制同一阵元的抽头权值朝着相同的趋势变化,经过多次迭代,抽头权值向量的2范数远远小于其他阵元的阵元被认为是不被激活的,达到稀疏设计的目的。