Este estudio aborda la baja robustez del algoritmo actual de formación de haces para la reconstrucción de matrices de covarianza y la alta complejidad computacional en el proceso de reconstrucción de matrices de covarianza. Se propone un algoritmo de formación de haces robusto basado en la integral compleja de Gauss-Legendre. El método primero divide el vecindario de la señal de interferencia y construye el espacio de señal de interferencia utilizando la integral compleja de Gauss-Legendre, luego proyecta la señal recibida en el espacio de señal de interferencia para filtrar la señal deseada y completar la reconstrucción de la matriz de covarianza de ruido de interferencia, para finalmente corregir la falta de coincidencia del vector de dirección utilizando el método de estimación mejorado del vector de dirección óptimo. Los resultados de la simulación muestran que el método tiene buena robustez y un bajo lóbulo lateral en presencia de falta de coincidencia del vector de dirección y presencia de perturbación de array. En comparación con los trabajos anteriores, el método propuesto CGL-ISV proporciona un mejor rendimiento de formación de haces.