线性空间的极大子空间

引进了线性空间的极大子空间的概念,主要得出了3个结论：（1）线性空间V的子空间M是极大子空间当且仅当M是一维子空间的余子空间。（2）线性空间的任意子空间都可表示为一些极大子空间的交。（3）在满足子空间降链条件的线性空间中,每个子空间可表示为有限个极大子空间的交。     

可变子空间维数的迁移子空间迭代法及其在微型机上的实现

在献〔１〕所提出的迁移子空间迭代法的基础上，引入了自动收集初始迭代向是，根据迭代过程中各阶特征值比确定可变子空间维数等技巧，进一步加快了其迭代收敛速度，按此法编制的程序模块已并入桥梁结构动力分析程序系统ＤＤＪＢ（ＤＬ）－Ｗ中，算例表明本方法具有较高的计算效率。     

关于M-子空间性质的进一步探讨

主要讨论了Ｂａｎａｃｈ空间中两个特殊子空间Ｈ０（Ａ）,Ｋ（Ａ）的性质,并给出了Ｈ０（Ａ）＝Ｋ（Ａ＾＊）＾⊥的几个充分条件,一定程度上完善了已有的相应结论。     

关于子空间的直和的证明

介绍了一个关于子空间的直和的定理并给予证明,利用该定理可以绕过子空间的和,直接证明关于子空间的直和的结论．     

拓扑子空间性质的注记

对几个基本拓扑子空间，给出了相应的差别法则及其基本性质，指出在条件的很小改变下，某些子空间的性质将不再成立。     

基于互补子空间线性判别分析的人脸识别

基于随机子空间,提出了一种用于人脸识别的互补子空间线性判别分析方法. 与Fisherface和零空间线性判别分析相比,该方法同时在主元子空间和零空间中进行判别分析,并在特征层融合这两个子空间的判别特征. 根据最适宜的零空间状态构建随机子空间,随机子空间的融合在决策层进行. 多个人脸数据库上的实验结果表明,本算法能够有效地解决线性判别分析中的小样本规模问题.     

n—超自反子空间

本文给出了S~((n))是超自反的几个等价条件,并且也证明了S是自反的,但S不是超自反的,则不存在包含S的最小超自反子空间。另外还讨论了自反的遗传性。     

广义James空间的自反子空间

文[1]给出了构造James空间的一般方法,从而给出了一大类一阶次自反空间,本文感兴趣的则是这类空间的自反子空间问题。我们给出了一般形式的James空间的某种自反子空间,还详尽地讨论了在正交正则空间上构成的James空间的自反子空间问题,得到了与文[5]同样好的结果。     

线性序拓扑空间中的子空间与子序空间

R.Engelking在《General Topology》中讨论了线性序集的序拓扑的子空间和子序空间的关系,指出两种子空间是不同的,并给出了它们同胚的一些充分条件。本文给出了它们同胚的充要条件;证明了任何可数线性序空间与有理数的某个子空间同胚,且举例说明对非可数线性序集并没有类似结果。最后证明了良序集和实数集合具有序拓扑遗传性。     

"非汉字符号"-Haar子空间的性质

引进1个新的L-Haar子空间,证明了当L为单位算子时, L-Haar子空间与通常的Haar子空间等价,给出了L-Haar子空间的1个性质定理.     

基于信号子空间逼近的多麦克风语音信号增强方法

对现有的基于自动波束形成的麦克风阵列语音信号增强算法提出了改进.将各个麦克风采集到的信号利用ABF(自适应波束形成)进行延时补偿并求和,消除信号中弱相干和不相干噪声;再利用信号子空间逼近的方法进一步去除残留噪声.仿真试验结果表明:把自适应波束形成技术和信号子空间逼近的方法结合起来,能够得到良好的去噪效果.     

基于子空间旋转的信号频率和波达方向同时估计方法

针对宽频段窄带信号,利用时间平移构造伪数据矩阵,同时,将伪数据矩阵信号子空间进行旋转,并通过对构造的信号空间矩阵进行特征分解,提取导向矢量矩阵和旋转因子中所包含的角度和频率信息,从而直接获得频率和波达方向（DOA）的同时估计,计算机仿真表明,该方法在中等信噪比下是有效的,且无需搜索过程和配对处理。     

基于两个L型阵列的远场多声源定位方法

针对传统方法不能准确地测量远场多声源位置的问题,提出了在近场和远场都能用的多声源3D定位新方法.该方法采用两个L型麦克风阵列,在每个阵列通过多声源的频率及到达角的联合估计求得信号源的夹角,基于每个信号源的夹角对估计多声源的位置.通过仿真实验验证了该方法在近场、远场都能准确地测量多声源位置,通过调节两个L型麦克风阵列之间的距离能得到误差在5%以下的声源定位精度.     

联合特征值和特征子空间投影的信源数估计

高分辨空间谱估计算法中信源数的准确估计是必要前提.文中结合矩阵重构和特征子空间投影方法,提出一种适用于弹载阵列系统的信源数估计算法.将阵列阵元分成相同的2组,求得这2组阵元接收数据的互协方差矩阵并重构信源数估计矩阵,对重构的矩阵特征分解,联合特征子空间投影和特征值加权的方法构造判决函数来估计信源数.理论分析与仿真结果表明:重构矩阵的信号子空间特征值呈平方倍增大,噪声功率得到抑制;算法有效提高了少量快拍数据和低信噪比条件下信源数估计的正确率.     

存在阵元位置误差时的信号DOA估计

在超分辨测向领域 ,阵元位置误差往往会导致测向性能急剧下降 ,因此必须进行有效的校正。该文基于子空间基本原理 ,提出了一种有源校正法 ,其优点在于收敛速度快、所需校正信号的方向不必准确已知。计算机模拟结果表明 ,采用该方法完成误差校正之后 ,通过修正的MUSIC算法就能实现对信号DOA的精确估计     

基于罚函数和特征空间的子阵级自适应波束形成

基于线性约束最小方差(LCMV)准则的自适应波束形成算法在实际中得到了广泛的应用,但当其应用到子阵级时,自适应方向图主瓣变形且旁瓣升高,抗干扰性能严重下降.针对这些问题,提出一种基于罚函数和特征空间的子阵级自适应波束形成算法,引入罚函数对自适应方向图进行约束使其逼近期望的静态方向图;同时在干扰子空间约束波束响应为0,对干扰信号进行抑制.该算法在有效抑制干扰的同时,能够使主瓣保形并保持较低的旁瓣,还能获得较好的输出信干噪比.通过阵列方向图及输出信干噪比的计算机仿真验证该算法的有效性.      

一种导航宽带抗干扰中的阵列幅相误差校正算法

针对复杂电磁环境下抗干扰导航接收机中存在的幅相误差问题,提出一种幅相误差有源校正的导航接收机抗干扰算法;该算法通过干扰和幅相误差构建阵列幅相误差数学模型;然后基于加权子空间拟合原理和最小二乘的方法估计阵列幅相误差系数;最后利用线性约束最小方差(LCMV)算法对修正的之后的接收数据进行干扰的抑制;并明确提出了导航抗干扰接收机的通道修正的解决方案。理论分析和仿真实验表明,估计的幅相误差系数与实际幅相误差非常接近;此方法可以准确在干扰方向上形成零陷并保留导航信号;信噪比在-10 d B的时候,幅相误差估计值逐渐收敛于真实值;并且随着信噪比的增加幅相误差估计精度也逐渐提高。所提算法能有效提高存在幅相误差通道的抗干扰的性能。     

基于未知互耦模型的波达方向估计

在阵列信号处理中,传感器间的互耦效应会对参数估计产生不利影响.为了降低互耦影响,提出了一种用于未知互耦模型下的波达方向（direction of arrival,DOA）估计算法.该算法运用了迭代的思想,利用全部阵列估计初步的DOA.之后基于子空间理论估计角度依赖系数（angularly dependent coefficients,ADCs）,并用得到的ADCs进一步提升DOA估计精度通过求解最小二乘问题确定互耦参数,将新的DOA值作为初始值开始下一轮迭代.仿真结果证实了在未知互耦模型下,相较于其他DOA估计,提出的方法有更好的性能并且更加鲁棒,特别是在小尺寸阵列或低信噪比（signal-to-noise ratio,SNR）情况下.      

信号频率-方向联合估计中的双旋转子空间法

提出了一种基于子空间2次旋转变换的频率-方向联合估计方法．该方法可同时估计空间信号频率和到达方向，其阵列由M个阵元组成，避免了复杂的阵列结构．计算机模拟结果表明，该方法不仅阵列结构简单，在中等SNR时具有良好的分辨性能，而且运算速度较快。     

基于信号子空间线性预测的测向方法

文章分析了均匀线阵输出信号的信号子空间结构，提出了基于信号子空间线性预测的测向方法。理论分析和计算机仿真实验表明，通过信号子空间的线性预测．可以获得较高的角度分辨率。