一种步长为对角阵的正交数据投影算法

针对传统子空间跟踪算法正交性和稳定性差的问题,基于数据投影算法(DPM),提出了一种步长为对角阵的正交DPM算法。算法运算复杂度较低,能提供标准正交的子空间,运行时无累积性误差;采用"自适应"而非固定搜索步长,能更好地匹配子空间的动态收敛速度,可进一步提高收敛速率并具有更佳的跟踪性能。仿真结果证明了新算法的有效性和正确性。     

基于空间距离的快速稳健子空间跟踪方法

从空间距离的角度分析子空间跟踪问题,提出了一种新的子空间跟踪算法。提出的算法同时适用于信号和噪声子空间跟踪,而复杂度仅为3NL+O(N)。仿真表明算法对基的正交偏离稳健,对舍入误差不敏感,是一种快速稳健的子空间跟踪算法。     

自适应天线抗干扰性能研究

分析了适用于雷达抗干扰的一些自适应天线波束形成算法,将子空间正交投影算法应用于雷达抗干扰,针对子空间分解过程中特征向量不能完全正交的问题,采用约束化子空间分解算法,来保证子空间特征向量的正交性.最后通过仿真证明:子空间跟踪算法相对于传统的一些自适应算法具有更强的抗干扰性能.     

基于Krylov子空间的宽带信号DOA快速估计方法

提出了一种基于Krylov子空间的宽带信号DOA（Direction of Arrival）快速估计方法。该方法首先对方向矩阵进行Jacobi—Anger展开来构造“聚焦”矩阵，然后通过多级维纳滤波（MSWF：Multi-Stage Weiner Filter）算法求得聚焦后的阵列协方差矩阵的Krylov子空间，因为在满足一定的条件下，Krylov子空间等价于阵列的信号子空间，所以可以求得信号的DOA。采用Jacobi-Anger展开式构造聚焦矩阵不需要进行角度的预估计，通过MSWF算法求Krylov子空间不需对观测数据的协方差矩阵进行特征值或奇异值分解，从而使得该方法运算量比常用的宽带空间谱估计方法要小。计算机仿真试验证实了方法的有效性。     

一种新的强干扰条件下微弱信号DOA估计算法

提出了一种基于扩展噪声子空间的强干扰条件下微弱信号DOA估计算法。该算法在已知强干扰源个数条件下,通过构造扩展的噪声子空间,在此基础上利用MUSIC方法有效地抑制干扰,并且准确估计出微弱信号的DOA参数。此算法的优势在于无需已知强干扰信号方向,且运算量与MUSIC方法相当。仿真实验验证了该算法是有效性和可行性。     

一种基于子空间的OFDM系统半盲信道估计

提出了一种可用于色噪声背景的基于子空间的改进半盲信道估计算法。根据正交频分复用（OFDM）系统模型,利用所获色噪声背景的噪声向量与信道冲激响应矩阵的正交性估计信道冲激响应,给出了算法的步骤。仿真结果表明：算法有较好的收敛性和稳定性。     

基于双子空间跟踪及盲波束形成的GNSS抗干扰算法

根据全球导航卫星系统（Global Navigation Satellite Systems, GNSS）卫星信号粗捕获（C／A）码的相关峰特点,提出基于双子空间跟踪及盲波束形成的GNSS抗干扰算法。首先通过噪声子空间跟踪将接收信号投影到噪声子空间进行干扰抑制,提高接收信号信干比（SIR）。然后利用指定卫星C／A码与干扰抑制信号进行相关运算,增强指定卫星信号的信噪比（SNR）,结合一维信号子空间跟踪,获取指定卫星导向矢量,实现对干扰抑制信号形成波束指向的目的。本算法不需要知道传输的导航符号以及卫星方位,是一种盲自适应算法。由于采用低运算复杂度的子空间跟踪方法,降低了抗干扰接收机的运算负担,保证了算法的实时性要求。最后通过实验仿真验证了提出算法能够有效地对抗强干扰以及增强GNSS信号。     

子空间跟踪方法在GPS空时抗干扰中的应用

提出将子空间跟踪方法用于GPS接收机空时抗干扰中。根据接收信号中干扰信号远强于有用信号和噪声的特点,将子空间投影方法与空时信号处理相结合,对自适应PASTd子空间跟踪方法进行了改进,使其在强干扰下也能快速、准确的估计出空时二维干扰子空间,进一步求出空时抗干扰最佳权。与原自适应PASTd方法相比,该改进方法在增加很少计算量的情况下,干扰子空间估计的收敛性和准确性有大幅提高,抗干扰性能良好、稳定。该方法能够实时跟踪干扰子空间的变化,结构简单,计算量小,适合多变干扰环境,具有较高的可行性和实用性。仿真试验验证了该方法对窄带和宽带干扰均有效。     

基于GNSS散射信号的双站雷达系统干扰抑制的分析与研究

利用GNSS(全球卫星导航系统)卫星作为照射源,接收机在飞行器的收发分置的GNSS-R双站雷达探测系统作为一门新兴遥感技术越来越受到关注,但由于GNSS散射信号功率太弱,其接收机对GNSS干扰信号的抑制一直是个难点.根据直达波和邻近卫星信号干扰的特点,提出r改进的分块子空间投影算法.即首先对干扰信号进行捕获与跟踪,根据得到的干扰信号参数构筑相应的干扰子空间,利用改进的分块子空间投影进行干扰抑制,该方法既降低了跟踪误差对干扰性能的影响,又使计算量大幅下降,适合多变环境和多数据样本情况.通过对仿真结果的分析,验证了方法的有效性,也为后续系统的优化设计提供了依据.     

用于跟踪突然消失信号源的自适应特征子空间算法

自适应特征子空间算法在跟踪不稳定信号参数方面有着许多优点，如阵列信号处理中的到在方向等。大多数自适应特征结构法能够跟踪所有的动目标信号源和突然出现的目标信号源。     

基于改进子空间投影的无源雷达弱目标检测方法

基于子空间投影的无源雷达弱目标检测方法是将回波通道接收信号投影到与多径干扰子空间和强目标子空间均正交的子空间内,需要构造的投影矩阵维数过大,导致计算量很大。为了解决这一问题,利用多次小维数投影代替大维数投影,提出了一种改进的无源雷达弱目标检测方法。首先将接收信号投影到多径干扰的正交补子空间内,然后连续地将信号投影到强目标的正交补子空间内,最终达到干扰抑制和弱目标检测的目的。本方法可以有效抑制多径、强目标干扰,在保持检测性能的同时大幅度降低计算量,提高了方法的实时性。仿真结果表明了方法的有效性。     

一种改进的航天器时变模态参数递推辨识方法

针对基于预测器的递推子空间辨识(RPBSID)方法在估计系统的状态变量时计算量较大的问题，提出一种改进的RPBSID方法并应用于航天器的时变模态参数辨识。与原算法相比，改进后的方法在求解状态量时不需要逐个时刻构建相应的Hankel矩阵，而是利用仿射投影算法(APA)实现状态量的递推估计，从而减少了辨识过程中的数据量。在此基础上，利用该状态变量递推得到时变系统的状态空间模型和模态参数。在数值仿真中，建立带有大型挠性附件的卫星动力学模型，分别考虑系统模态参数线性变化、突变和周期改变的情况，利用改进的RPBSID方法对结构的时变频率和阻尼比等参数进行了辨识。理论分析和数值仿真的结果表明这种改进的方法不仅能够有效地辨识系统的时变模态参数，而且与原方法相比具有更高的计算效率。     

利用改进TW-API方法在轨辨识挠性航天器时变模态参数

考虑大型挠性部件运动导致的在轨航天器模态参数时变特性,提出一种改进的截断窗逼近幂迭代（TW-API）追踪方法。针对传统TW-API方法计算量较大的问题,改进的方法简化了数据处理中的矩阵递推过程,显著减少了在轨辨识过程的计算量和计算时间。还将该方法与经典投影估计子空间跟踪（PAST）方法和逼近幂迭代（API）递推方法进行了计算量对比与分析。为检验四种方法用于航天器模态参数辨识的效果,选取ETS-VIII卫星为对象进行数值仿真。通过实际计算时间的比较,校验了改进TW-API方法在大型挠性航天器时变模态参数在轨辨识方面的有效性。     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

子空间跟踪算法在热模态问题中的应用研究

总结子空间跟踪算法识别模态参数的一般步骤。对一个有理论参考解的时变两自由度系统进行仿真,利用添加不同量级噪声的响应数据对系统进行辨识。辨识结果表明:基于新信息准则的子空间跟踪算法拥有较好的抗噪能力。对飞行器舵面结构进行受控快速加热,辨识快速升温过程中的模态参数。辨识结果表明:子空间跟踪算法可用于热模态辨识,有一定的工程应用价值。     

基于Cholesky分解的改进的随机子空间法研究

基于数据的随机子空间法是计算精度较高的环境激励下结构模态参数辨识方法之一。该方法的缺点是当响应数据量很大时,对Hankel矩阵(Y矩阵)进行QR分解的计算效率不够理想。对YYT矩阵元素进行合理简化,再对YYT简化矩阵进行乔利斯基(Cholesky)分解。理论推导和算例分析结果均表明在不降低计算精度的同时,新方法的计算效率至少提高10倍。