基于PASTD算法的压缩子空间跟踪源码

资 源 简 介

本项目完整实现了投影近似子空间跟踪带紧缩（Projection Approximation Subspace Tracking with Deflation, PASTD）算法，旨在解决高维数据流处理中的实时子空间估计与数据压缩问题。代码的核心功能在于无需对数据协方差矩阵进行显式的特征值分解（EVD）或奇异值分解（SVD），而是利用递归最小二乘（RLS）原理和紧缩（Deflation）技术，以线性计算复杂度$O(nr)$自适应地跟踪信号的主子空间分量。具体实现包括：1. 信号模拟模块，用于生成具有时变特性的多维观测数据；2. PASTD核心算法模块，通过序贯方式逐个更新特征向量和特征值，实现对非平稳信号子空间的快速逼近；3. 压缩与重构演示，利用跟踪到的低维子空间对高维原始信号进行投影压缩，并验证重构误差；4. 性能评估模块，实时计算估计子空间与真实子空间之间的距离（如最大主角度误差），并绘制收敛曲线以验证算法的稳健性和收敛速度。该源码适用于阵列信号处理（DOA估计）、盲波束形成、图像序列压缩及实时主成分分析（PCA）等应用场景。

详 情 说 明

基于PASTD算法的压缩子空间跟踪MATLAB源码

项目简介

本项目是一个基于MATLAB的仿真系统，完整实现并演示了带紧缩技术的投影近似子空间跟踪（Projection Approximation Subspace Tracking with Deflation, PASTD）算法。

该项目旨在解决高维数据流处理中的实时子空间估计问题。传统的特征值分解（EVD）或奇异值分解（SVD）计算复杂度较高，难以满足实时性要求。PASTD算法应用递归最小二乘（RLS）原理，结合紧缩（Deflation）技术，能够以线性计算复杂度 $O(nr)$ 自适应地跟踪非平稳信号的主子空间。

本仿真包含从非平稳信号生成、核心算法实现、性能指标实时评估到数据压缩重构演示的全流程。

主要功能特性

• 非平稳信号环境模拟：能够生成具有时变特性的阵列信号。仿真模拟了一个均匀线性阵列（ULA），其中的信号源入射角度随时间动态变化（模拟各个信号子空间的旋转），同时添加了复高斯白噪声。
• PASTD-Deflation核心算法：实现了基于紧缩技术的PASTD算法，无需进行显式的矩阵分解，通过序贯方式逐个更新特征向量和特征值。
• 实时性能评估：

* 子空间距离：利用MATLAB内置函数实时计算估计子空间与真实子空间之间的最大主角度误差。 * 正交性监测：跟踪基向量的正交性误差 ($||W^H W - I||_F$)。 * 特征值跟踪：实时记录并展示各个信号分量的能量变化情况。

• 数据压缩与重构：利用跟踪收敛后的低维子空间对高维原始观测数据进行降维压缩，并执行反向重构，计算归一化均方误差（NMSE）以验证压缩效果。
• 多维度可视化：提供包含误差收敛曲线、特征值轨迹、正交性误差及波形重构对比的综合分析图表。

算法原理与实现逻辑

本项目代码的核心逻辑遵循PASTD-Deflation算法的标准流程，主要包含以下步骤：

1. 数据流输入：程序按时间步长（快拍）逐个读取观测向量 $x(t)$。
2. 紧缩循环（Deflation Loop）：对于每个时刻的数据，算法内部进行 $r$ 次迭代（$r$ 为信号源个数），逐个提取主分量：

* 投影计算：计算当前数据向量在第 $i$ 个基向量方向上的投影系数 $y$。 * 能量更新：使用遗忘因子 $beta$ 对特征值（信号能量）$d(i)$ 进行指数加权递归更新。 * 误差/创新向量计算：计算输入向量与重构向量之间的差异，得到误差向量 $e$。 * 基向量更新：根据RLS准则，利用误差向量和当前能量估计值更新基向量 $W(:,i)$。 * 紧缩操作：从当前数据向量中减去已估计出的分量信息 ($x = x - W(:,i) cdot y$)，将残差传递给下一个分量的估计过程。这一步是确保算法能按能量大小依次提取特征向量的关键。

1. 真实真值获取：为了验证算法准确性，代码在生成数据的同时，对无噪声的导向矢量矩阵进行SVD分解，获取各个时刻真实的信号子空间。

代码结构分析

1. 参数初始化与信号模型

代码首先定义了仿真场景的物理参数，包括传感器数量（$n=10$）、信号源数量（$r=3$）以及信噪比（SNR=20dB）。 信号生成部分构建了一个动态环境，信号源的入射角度通过 theta_start 和 theta_velocity 定义，随时间线性变化。通过构建时变的流形矩阵（Manifold Matrix）$A(t)$，生成观测数据矩阵 $X$。同时，保存了每个时刻真实的子空间基 True_Subspace 用于后续对比。

2. 初始化跟踪器

算法开始前，估计的子空间矩阵 $W_{est}$ 被初始化为一个随机正交矩阵，特征值 $d_{est}$ 初始化为较小的常数。这模拟了算法在“冷启动”状态下的行为，用于测试其收敛速度。

3. 在线跟踪循环

主循环模拟了数据流的实时处理过程。

• 核心更新：代码中嵌套的 for i = 1:r 循环严格执行了PASTD的紧缩逻辑。
• 性能监控：在每次更新后，计算估计子空间与该时刻真实子空间之间的 subspace 距离（正弦距离），并记录正交性误差。

4. 压缩与重构演示

在跟踪结束后，选取最后200个快拍的数据作为测试集。

• 压缩：将 $n$ 维观测数据左乘估计矩阵的共轭转置 $W^H$，降维至 $r$ 维。
• 重构：将压缩数据左乘估计矩阵 $W$，恢复至 $n$ 维。
• 评估：计算原始信号与重构信号之间的Frobenius范数误差。

5. 结果可视化

绘图模块生成一个包含四个子图的窗口：

1. 子空间估计误差：展示误差随时间下降并收敛的过程（dB刻度）。
2. 特征值跟踪：展示算法识别到的特征值幅度，反映信号能量。
3. 正交性误差：验证算法在迭代过程中保持基向量正交性的能力。
4. 信号重构对比：直观展示第1个通道的时域波形，对比原始信号与经过压缩-重构后的信号。

系统要求

• MATLAB：推荐使用 R2016a 或更高版本。
• 工具箱：主要依赖MATLAB基础功能，无需特殊工具箱（代码使用了标准矩阵运算及 svd, qr, subspace 等基础线性代数函数）。

使用方法

1. 将代码保存为MATLAB脚本文件（例如 pastd_demo.m）。
2. 在MATLAB命令窗口或编辑器中直接运行该脚本。
3. 程序将输出仿真过程的日志信息（包括参数初始化、生成数据、跟踪进度、压缩比及重构误差）。
4. 运行结束后，会自动弹出一个图形窗口展示算法的收敛曲线和跟踪性能。