论文部分内容阅读
现代电子战对信号波达方向(direction-of-arrival, DOA)估计的精度和实时性要求越来越高。在现有理论中，多重信号分类(Multiple Signal Classification,MUSIC)算法的估计精度较高，分辨性能较好，在DOA估计领域有着广泛的应用。与传统的MUSIC谱峰搜索算法相比，遗传算法具有计算量小、隐含并行性、实时性好的特点，更适合应用于MUSIC谱峰搜索。首先，本文选用粗粒度并行遗传算法(Coarse-grained Parallel GeneticAlgorithm, CPGA)作为MUSIC谱峰搜索的基本框架，根据粗粒度并行遗传算法的特点设定有不同交叉概率和变异概率的子种群，形成了一种改进粗粒度并行遗传算法(Improved Coarse-grained Parallel Genetic Algorithm, ICPGA），提高了粗粒度并行遗传算法的种群多样性，减少了未成熟收敛现象。然后，本文采用正交试验设计、方差分析和F检验方法，分析MUSIC谱峰搜索结果，选择出对搜索结果有显著影响的信号参数和ICPGA参数。在此基础上作了仿真试验，得到了ICPGA的最优参数，完成了单信号源MUSIC谱峰的搜索。在多信号源MUSIC谱峰搜索方面，引入正交投影预变换方法剔除ICPGA搜索到的谱峰，经逐次搜索和剔除，直到所有谱峰位置即信号源DOA被估计出来。最后，本文设计了ICPGA进行MUSIC谱峰搜索的FPGA实现方案，完成了MUSIC算法部分和遗传算法部分各模块的设计方法。仿真结果显示，系统运行正确，满足设计要求。