史文森 朱 海 彭汉国

（1.海军潜艇学院航海观通系 青岛 266042）（2.海军潜艇学院训练中心 大连 116085）

1 引言

信号子空间估计问题已经成为阵列信号处理中的关键问题之一。传统的信号子空间估计方法通常是对观测数据协方差矩阵进行特征值分解（EVD），对应大特征值的特征向量张成信号子空间，其余特征向量张成噪声子空间。然而EVD的计算复杂度非常高，运算量为O（NM2＋M3），其中M为观测数据的维数，N为形成协方差矩阵的采样支持长度［1］。在工程应用中M和N 的维数一般较大，该方法具有较大的计算量，这给工程实现带来了不便［2］。Goldstein等人在1998年提出了多级维纳滤波（Multistage Wiener Filter—MSWF），它是一种有效的降维滤波技术［3～4］。多级维纳滤波具有许多优点：不需要估计接收信号的协方差矩阵、前向递推的次数可以小于阵列的阵元数以及收敛速度快等。但多级维纳滤波需要给定某一目标（或用户）的信号波形（或训练序列），并以此为基础进行子空间分解［5～6］。在阵列天线信号处理的过程中，目标信号的波形、波达方向（DOA）等先验信息不易获得。通常选用接收信号的时域平均作为初始估计值，这种方法将引起较大的子空间估计误差［7～8］。

针对多级维纳滤波的特点，本文提出了初始投影向量估计的新方法。该方法以接收信号的时域平均作为初始估计值，然后进行两级维纳滤波，利用估计得到的数据构造新的初始投影向量。利用新的初始投影向量作为维纳滤波的初始值，能够大大提高子空间估计的精度。……