1、在陣列信號處理的參數(shù)估計中，MUSIC（Multiple Signal Classification）算法因其超分辨特性而有著重要的作用。MUSIC算法可以分為特征值分解與譜峰搜索兩部分，因譜峰搜索需要消耗大量的時間，所以傳統(tǒng)MUSIC算法的實時性受到了限制。遺傳算法（Genetic Algorithm）是一種具有簡潔性、全局尋優(yōu)性以及并行性等特點的全局尋優(yōu)仿生算法。但是遺傳算法也存在如未成熟收斂，陷入局部最優(yōu)解等缺陷。為了提高遺傳算法

2、全局搜索的性能并消除未成熟收斂現(xiàn)象，本文對遺傳算法進(jìn)行了改進(jìn)。
　　本文以遺傳算法作為基礎(chǔ)，提出一種基于種群優(yōu)化的遺傳算法。在基于種群優(yōu)化的遺傳算法中，將種群中的優(yōu)秀個體與被選中的個體進(jìn)行交叉操作，從而更好地開采種群中最優(yōu)個體所包含的優(yōu)良信息；為了防止算法出現(xiàn)過早收斂以致不能收斂到全局最優(yōu)解的情況，算法通過在種群次優(yōu)解周圍搜索新的隨機(jī)個體的方法，增加算法的多樣性，同時，算法對引入種群的規(guī)模采用分階段調(diào)整的方法進(jìn)行調(diào)控，以適應(yīng)算法對

3、種群規(guī)模的需要。通過實驗證明，基于種群優(yōu)化的遺傳算法具有更好的全局搜索能力。
　　將基于種群優(yōu)化的遺傳算法與MUSIC算法相結(jié)合，將空間中信號源分為單信號源與多信號源兩種情況，在不同信噪比條件下，對基于種群優(yōu)化的遺傳算法的MUSIC算法進(jìn)行了實驗仿真，通過實驗數(shù)據(jù)可以證明該方法具有很好的全局搜索能力，可以對多個目標(biāo)進(jìn)行搜索。同時，通過計算量的分析，證明與傳統(tǒng)方法相比，該算法通過極大的降低計算量而獲得了較好的實時性。
　　本文