辐射源信号分选是雷达对抗中的重要组成部分。面对不断恶化的电子环境,接收到信号特征参数可能发生各种变化,分选的性能急剧恶化,同时分选的实时性受到严峻的考验。然而,辐射源的位置是固定的,信号到达方向(DOA)是信号分选可靠的信息。由于无法确切知道截获的脉冲流类别数目,辐射源方向信息分选本质上属于典型的无监督分类问题。因此,用无监督分类方法研究辐射源方向信息的实时分选具有重要意义。为了更好研究辐射源方向信息的分选,本文首先利用相关干涉仪测向的方法进行方向信息的提取。在推导了基于圆型阵列的测向公式后,将基线间的和相位信息与差相位信息变换投影到复平面上,对模糊和差相位信息在复平面投影点的分布规律进行了详细的讨论,利用欧式距离的方法解决测向时的模糊问题并对阈值半径等不同因素下解模糊概率进行了仿真与分析。在获取辐射源方向信息后,选用模糊自谐振神经网络作为无监督分类的方法。在介绍了了模糊自谐振神经网络分选算法后,针对算法存在的问题,并从硬件实现的合理性考虑,对算法的结构进行了调整并提出新的权值更新方法。实验仿真表明,改进后的算法有着更好的分选的性能同时易于硬件逻辑电路实现。最后,对改进后的模糊自谐振神经网络分选算法进行了FPGA仿真实现。在分析算法并行处理与字长效应的基础上,根据算法结构可划分为输入模块、回忆阶段模块、训练阶段模块,在各模块实现的后用状态机编写同步时序逻辑控制器,使得各个模块间有序执行。通过对顶层模块的仿真实验,表明逻辑电路实现的方向信息分选准确率和利用MATLAB仿真下的准确率接近。