多重信号分类(MUSIC)算法是最为经典，也是最具代表性的阵列测向算法之一。这一算法的提出开创了空间谱估计算法研究的新时代，是同类算法之滥觞。MUSIC算法主要分为矩阵协方差，特征分解和谱峰搜索三个部分。如何快速有效地实现MUSIC算法一直是讨论的焦点。本文旨在提供一套实现MUSIC算法的硬件电路。该硬件电路能在逻辑资源有限的前提下，有效的完成矩阵的乘法运算，矩阵的特征值、特征向量分解和极值的搜索。在FPGA上实现该电路的结果表明，该方法满足实时性要求，并且消耗资源少，利于扩展方便实现。　　在充分调研MUSIC算法设计相关工作的基础上，本文针对矩阵协方差，特征分解和三个关键部分进行了重新设计和优化。　　(1)协方差模块，首先按照基于流水线设计的基本思想，针对具有三级延时的加法器设计了能够流水出结果的乘累加单元。该单元仅使用了一个乘法器和两个加法器，能够完成任意阶数的乘累加运算。针对大规模的矩阵数据，设计采用了四路并行的运算方式，为矩阵的输入和输出设计了相应的接口模块和地址模块。实验证明该并行方案效果明显，功能稳定与理论节省时间相比仅仅多了几个周期的流水级。　　(2)特征分解模块，在深入理解Jacobi算法和Cordic算法的基础上分别设计了反正切模块和坐标旋转模块。首先不直接计算角度值，而使用正切函数迭代模块代替Cordic反正切核，并将角度的传输分解为lbit角度符号集的传输。其次采用加法器和移位器代替Cordic旋转核完成了矩阵元素的旋转变换和特征向量的选择变换。最后在并行阵列的基础之上进行了串行方式的改进，实验结果表明相比于传统的BLV阵列减少了约80％的面积。　　(3)谱峰搜索模块，为了在保持波达精度的前提下尽量较少搜峰频率。设计采用了分级搜索的方式减少搜索次数和谱值计算的次数，同时能达到实验精度要求。搜索次数从百万级下将为一万级，大大提高了效率。实验结果表明，分级搜索的方式满足实时性和精确度的要求。　　此外针对定点数的误差进行了实验分析，并设计了浮点数的版本进行了对比试验。为了克服定点数的误差，在设计中对符号集迭代元素进行了小数位的扩展，避免了舍入误差。