1.基于遗传算法的宽带多信号到达角估计方法，其特征在于：方法所用的接收阵列由M个等间隔布置于x轴的阵元构成的均匀线阵，阵元间隔分别为载波频率中心频率对应的半波长；

步骤一、K个宽带、远场信号入射到该接收阵列上，阵列的N次快拍数据构成接收阵列数据矩阵Y＝[Y1，Y2，…，YN]；

步骤二、将Y1，Y2，…，YN都均匀分成L段，每段有J个数据，对每段数据进行离散傅里叶变换得到J个频点的频域数据矩阵[Y(f1)，Y(f2)，…，Y(fj)，…，Y(fJ)]，由频域数据求J个频点对应的数据协方差矩阵[RY(f1)，RY(f2)，…，RY(fj)，…，RY(fJ)]，对第j个频点下的数据协方差矩阵RY(fj)进行特征分解得到第j个频点fj下的的信号子空间Us(fj)和噪声子空间Un(fj)，每一个频点下的数据协方差矩阵都进行这样的处理；

步骤三、利用频率变换矩阵将参考频点的信号子空间转换成各个频点对应的信号子空间，利用正交投影抑制信号子空间中混入的噪声分量，从而净化信号子空间，并根据信号子空间和噪声子空间的正交特性得到谱函数；

选择fr为参考频率点，fr∈[f1，…，fj，…，fJ]，Us(fr)是参考频点fr下的信号子空间，将参考点处的信号子空间映射到入射角θ对应的J个频率点的信号子空间分别为：U(f1，θ)，U(f2，θ)，…，U(fj，θ)，…，U(fJ，θ)其中U(fj，θ)＝Φ(Δfj，θ)Us(fr)，Δfj＝fj‑fr为频率差，Φ(Δfj，θ)为频率变换矩阵，构造投影矩阵P

H ‑1 H

(f1，θ)，P(f2，θ)，…，P(fj，θ)，…，P(fJ，θ)，其中P(fj，θ)＝a(fj，θ)(a (fj，θ)a(fj，θ)) a(fj，θ)，其中a(fj，θ)为阵列导向矢量，利用投影矩阵净化J个频率点的信号子空间：U′(f1，θ)，U′(f2，θ)，…，U′(fj，θ)，…，U′(fJ，θ)，其中U′(fj，θ)＝P(fj，θ)U(fj，θ)根据信号子空间和噪声子空间的正交特性，构造零H H H谱D(θ)＝[U′(f1，θ)Un(f1)，U′(f2，θ) Un(f2)，...，U′(fJ，θ) Un(fJ)]，其中θ为入射角范围内任意可能的角；

步骤四、利用零谱D(θ)构造目标函数，利用遗传算法进行谱峰搜索，通过罚函数的设置，进行多目标搜索，得到最终DOA的估计值(1)在[‑90°，90°]范围内均匀抽取N个角度值作为N个个体染色体，并将这N个个体染色体用Q位二进制数表示 第一代中的N个个体染色体，每个染色体的长度(1) (2)

是Q，N个个体染色体构成第一代种群p ，第二代中的N个个体染色体构成第二代种群p ，个体染色体的Q位二进制数编码表示为 按照同样的表示方式第s代中(s)

的N个个体染色体构成第s代种群p ，个体染色体的Q位二进制数的编码为(2)构建第s‑1代种群内第n个体 对应的J个导向矢量的分别为：计算个体 对应的适应度

的数值，按照相同的方式计算第s‑1代种群中所有个体染色体的适应度数值；其中

trace(·)表示取矩阵的迹；

(3)依据个体的适应度值进行排序，选择适应度高的L个个体染色体(L＜N)；

(s‑1) (s)

(4)在总的N个染色体中选择优良个体pC 进行交叉得到新一代个体pC ；

(s‑1) (s)

(5)将剩下的N‑pC 个个体染色体进行变异运算得到新的染色体pm ；

(s) (s)

(6)新种群中的个体染色体数目为L+pC +pm ；计算新种群中任意两个个体之间的海明距离：

(s)

(7)如果Hm ＜D，则对其中适应度低的个体用罚函数Pmin来替代原来的适应度函数，如(s)

果Hm ≥D，不做任何处理，D为设置的门限， 表示第s代种群中第ni个个体染色体的Q位二进制编码中的第q位， 表示第s代种群中第nj个个体的Q位二进制编码中的第q位，比较个体 和个体 的适应度大小，特别地，如 罚函数 则个体 的适应度经罚函数替代后变为 T＞＞1的实数，对所有的个体用罚函数进行处理之后，依据个体的适应度值进行排序，新种群中适应度较大的前N个个体保留并记录(s)为p ；

(8)当s＜Sfinal时，更新进化代数标记s＝s+1，并将(8)中前popsize个个体作为新的初始种群p(k)，当s＝Sfinal，停止迭代，此时得到最优个体集合 上述N个最优个体中适应度最大的前K个个体就是信号的到达角的二进制编码，解码后得到最终DOA的估计值前述步骤中的k＝1，...，K，为信号个数序号，s＝1，2，…Sfinal进化代数序号；m＝1，

2，...，M，为阵元数序号l＝1，2，…，L为段的序号，j＝1，...，J为频点的序号；w＝1，...，D为相干信号组数序号，i为虚拟单位矢量。