近40年来,波达方向(Direction of Arrival,DOA)估计作为阵列信号处理中一个重要的研究方向,吸引众多研究者的高度关注。经过几十年的发展,已经有了许多经典的DOA估计算法,如MUSIC、ESPRIT、ML算法等。在某些时变的应用场景中,想要每时每刻的获得信源的位置。然而,由于硬件技术的制约,仅仅使用传统的DOA估计算法是计算复杂且难以实现的。目前,有研究者已经提出了一些自适应的DOA跟踪算法,如基于卡尔曼滤波器的PAST算法。但是,当多个信源非常接近甚至这些信源在它们的轨迹线上出现交叉点时,这些算法并不能准确的估计和匹配各个信源的DOA。为了解决这种问题,本文提出一种基于多维子空间拟合的DOA跟踪算法。本文详细介绍了所提出的基于多维子空间拟合的DOA跟踪算法。首先,本文根据多维子空间拟合方法跟踪每个时间帧中的信号子空间投影。这里本文使用两种方法进行公式推导,得到完全一样的结果,从而验证了算法的正确性。然后使用高斯-牛顿法对拟合方程最优化求解得到DOA测量值。接着提出了一种带验证门的卡尔曼滤波器,将上述DOA测量值和根据先前时刻得到的DOA预测值作为卡尔曼滤波器的输入来产生最终的DOA估计值。仿真实验结果表明,虽然本文提出的算法的复杂度要稍微高一些,但是本文提出的算法的估计性能却远远优于基于卡尔曼滤波器的PAST算法。与基于卡尔曼滤波器的PAST算法相比,本文提出的算法有下面三个创新点:(1)基于卡尔曼滤波器的PAST算法其本质是一维DOA跟踪,本算法属于多维DOA跟踪;(2)基于卡尔曼滤波器的PAST算法是使用牛顿法对拟合方程进行求解,本算法特意在拟合方程中构造了平方项,然后使用高斯-牛顿法求最优解;(3)基于卡尔曼滤波器的PAST算法只是简单的使用卡尔曼滤波器对测量值进行平滑处理。本算法使用带验证门的卡尔曼滤波器,很好地解决了多目标信源离得很近的问题,能够准确的估计并配对多目标信源的DOA。