[发明专利]一种分时复用硬件资源的信号子空间分解的FPGA实现模块及其FPGA实现方法

说明书

技术领域

本发明属于阵列信号处理技术领域，具体的说是一种分时复用硬件资源的信号子 空间分解的FPGA实现模块及其FPGA实现方法。

背景技术

20世纪70年代末开始，在空间谱估计方面涌现出了大量的研究成果和文献，波达 方向估计(DOA)是空间谱估计研究的重要课题。对于同一参考信号源来说，各天线阵元所接 受到的信号之间存在着相位差，从而形成谐波，不同方向的信号源对应着不同的谐波频率， 只要估计出各谐波频率，即可求出各对应信号源的波达方向。最初的波达方向估计方法是 基于傅里叶变化的线性谱估计方法，主要包括BT法和周期法。由于受到瑞利极限的限制，无 法获得超高分辨率性能，且抗噪声能力差，未能取得满意的效果。后出现基于统计分析的极 大似然谱估计方法，因其具有很高分辨性能而受到人们关注，然而，最大似然估计法要对高 维参量空间进行搜索，运算量极大，难于在实践中得到应用。1967年，Burg提出了最大熵谱 估计方法，开始了现代谱估计的研究。八十年代以后，学术界提出了一类基于矩阵特征值分 解的谱估计方法，其中由美国Schmidt等人提出的多重信号分类(MUSIC)算法最为突出。其 核心思想是对阵列输出的协方差矩阵做特征值分解，把整个特征空间分为信号子空间和噪 声子空间，利用两者互相正交的特性，定义一个伪谱，搜索到的谱峰对应的角度即为入射信 号的波达方向。

在MUSIC算法中，信号和噪声子空间分解是硬件实现的一个难题，矩阵特征值分解 是算法硬件实现中最为复杂的问题。针对这一问题，目前，矩阵特征值分解主要有Jacobi算 法和QR算法，由于Jacobi比QR算法更加准确，因此设计中常常采用Jacobi算法进行矩阵的 特征值分解，再根据估计信号源数目计算，将特征向量空间分解为信号子空间和噪声子空 间，这其中包含了大量的乘法和非线性的运算，如何合理的实现这些运算是在硬件实现时 亟需考虑的问题。

子空间分解需要大量的计算，在矩阵特征值分解和信号源估计中又涉及不同的运 算方式，需要采用不同的硬件处理结构，目前所提出的几种硬件实现方法上，存在以下的缺 陷和不足：

第一，对于高速实现子空间分解问题，国内目前大多使用数字信号处理器(DSP)实 现，对于八元阵而言，能够把MUSIC整个算法的计算时间降低至少一半，加速比达到2.37，在 ms量级，但在很多实际场合仍难达到要求。

第二，在矩阵特征值分解步骤采用FPGA实现，信号源数目估计计算采用DSP实现。 对于计算八元阵的矩阵特征值而言，目前可在us量级完成，时间明显少于DSP，但信号源数 目估计计算使用DSP，一方面使得整个计算时间不得不停留在ms量级，另一方面导致整个系 统涉及到FPGA和DSP的互联互接问题，涉及到FPGA和DSP运算之间的相互转换，增加了设计 难度。

第三，采用FPGA来实现整个子空间分解，能够完成的子空间分解更加快捷的实现 技术，具有灵活性强、并行度高、便于调试和扩展接口的特点。通过Jacobi算法实现特征值 分解，对于其中的非线性运算，在保证一定精确度的条件下，可以仅用加法和移位就能实 现，计算速度大大增加。目前，完成四元阵的MUSIC算法需要30.59us，使用逻辑资源是12007 个；完成八元阵的MUSIC算法需要373.99us，使用逻辑资源是29472个。而对基于信息论方法 的AIC准则信号源数目估计计算，涉及大量对数运算，需要硬件系统中存在对数运算的协处 理器，所以基于FPGA的子空间分解实现，需要两个不同的结构来实现Jacobi算法和信号源 数目估计计算，消耗了大量硬件资源，同时也降低了其分解的速度，因此在资源消耗和速度 上有可以改进的空间。

发明内容

本发明是针对现有FPGA实现MUSIC中子空间分解算法的不足，并结合自动排序的 过关Jacobi算法的特点，利用等价变换的信号源数估计计算，提出一种分时复用硬件资源 的信号子空间分解的FPGA实现模块及其FPGA实现方法，以期能在满足速度要求的前提下实 现分时复用FPGA的硬件资源，从而节约硬件资源并提高灵活性，进而实现信号子空间分解 的准确、快速计算。

本发明为解决技术问题采用如下技术方案：

本发明一种分时复用硬件资源的信号子空间分解的FPGA实现模块的特点是包括： 自动排序的过关Jacobi算法单元和空间信号源数目估计计算单元；