多重信号分类(MUSIC)方法和旋转不变技术估计信号参数(ESPRIT)算法是子空间估计的两个经典方法,它们都能够有效地估计特征子空间。然而一方面,这两种方法都假定背景噪声是空时白高斯噪声,但在很多情况下环境噪声通常不是白噪声,此时,这些传统的高分辨算法的性能将会恶化甚至失效;另一方面,它们都是将所有观测数据一齐获得后进行一次性处理,适用于参数或统计特性不随时间变化的系统和信号,而事实上信号经常是时变和非平稳的。因此,这些方法就不能用于实时信号子空间的跟踪与更新。在分析了现有的自适应子空间跟踪算法,如投影逼近子空间跟踪,幂迭代等方法的基础上,本文提出一种运用辅助变量的双迭代子空间跟踪方法。该方法采用秩-1更新结构,首先构造两个无约束的代价函数,通过求其递归最小二乘解获得信号子空间;引入辅助变量使该算法可用于色噪声环境下的信号跟踪;运用两个合理的近似,将运算复杂度大大降低;并通过对跟踪结果的正交化来保证算法的正交性。仿真实验证明了该算法的有效性。