经典的Frost beamformer,也叫线性约束最小方差(LCMV)滤波
概括
如上图所示,假设目标信号从线性阵列的宽边方向传入,noise以及inference从其它方向传入,取最近的J个数据,在理想远场模型下,,每个时刻各个阵元接收到的目标信号相同,噪声在每个阵元的信号不同(非宽边注视方向输入),将每个时刻的信号加权求和,得到上图中下部分的等效模型,即最终输出为一个加权求和得到的FIR滤波器
等效结构如下
约束的最优LMS权向量
实际处理问题模型如下
K个阵元,J个快拍,在J个快拍延迟线的delta时间内,将总共K*J个采样值展开成如下向量
加性噪声模型下
同一时刻各阵元接手的目标信号相同,则(1)式中
定义各个快拍的权值W以及各相关矩阵如下
最小化阵列输出功率表示如下
约束条件
(6)式表示fig2中第
j
个垂直列中的权值加权求和等于
可以看出 cj 第j组全为1,其它项全为0,与W相乘即将第 j 列的权值相加
矩阵表示:
定义C、F如下
则约束条件用矩阵表示为
约束条件(10)意思是1,2……J时刻下的各K个阵元的权值相加,结果风别等于
带约束条件的目标函数如下
利用拉格朗日乘子法求得最终的方程解为
系统输出为
闭式解的计算量较大,方程解里面的 C 大小为KJ*J,Rxx大小为KJ*KJ,假设K = 7,J = 20,则方程需要对140*140矩阵求逆,实时应用有困难,论文中提出了一种基于LMS的递推方法,递推公式为
其中
根据这个递推公式即可完成系数的更新计算。
原论文是在时域实现,该算法也可在频域实现,在频域对每一个频点都进行系数计算,同时以帧为单位进行同样的递推更新。
参考:
[1] Frost, O. “An Algorithm For Linearly Constrained Adaptive Array Processing”, Proceedings of the IEEE. Vol. 60, Number 8, August, 1972, pp. 926–935.