简介：Theperformanceofadaptivebeamformingtechniquesislimitedbythenonhomogeneouscluttersce-nario.AnaugmentedKrylovsubspacemethodisproposed,whichutilizesonlyasinglesnapshotofthedataforadaptiveprocessing.ThenovelalgorithmputstogetheradatapreprocessorandadaptiveKrylovsubspacealgo-rithm,wherethedatapreprocessorsuppressesdiscreteinterferenceandtheadaptiveKrylovsubspacealgorithmsuppresseshomogeneousclutter.Thenovelmethodusesasinglesnapshotofthedatareceivedbythearrayantennatogenerateacancellationmatrixthatdoesnotcontainthesignalofinterest(SOI)component,thus,itmitigatestheproblemofhighlynonstationaryclutterenvironmentandithelpstooperateinreal-time.Thebenefitofnotrequiringthetrainingdatacomesatthecostofareduceddegreeoffreedom(DOF)ofthesystem.Simulationillus-tratestheeffectivenessincluttersuppressionandadaptivebeamforming.Thenumericresultsshowgoodagreementwiththeproposedtheorem.

简介：在本文中，我们证明了对一个反Krylov矩阵作QR分解后，利用得到的正交矩阵可以将一个具有互异特征值的对称矩阵转化为一个半可分矩阵的形式，这个结果表明了反Krylov矩阵与半可分矩阵之间的联系．另外，我们还证明了这类对称半可分矩阵在QR达代下矩阵结构保持不变性．

简介：文字和符号的识别是当今人工智能与模式识别的一个重要研究方向。当前的识别技术主要问题之一是识别的速度不够高。本文采用雷达信号处理中的Krylov子空间方法FDR来识别文字和符号。该方法无需生成协方差矩阵的估计,也无需对样本协方差矩阵求逆,在保证识别正确率不变的情况下使算法的识别速度得到加快。本文用实测数据验证了该方法性能的有效性。