بهبود الگوریتم بازگشایی فاز با استفاده از فیلتر پیش‌بینی برای تخمین پارامترهای سیگنال با فاز چندجمله‌ای

برای استخراج پارامترهای داپلر در بسیاری از کاربردهای راداری، به تخمین ضرایب چندجمله‌ای فاز در سیگنال‌های با فاز چندجمله‌ای (pps) نیاز است. یکی از روش‌های تخمین این ضرایب، برازش یک چندجمله‌ای در فاز بازگشایی شده این سیگنال‌هاست. وجود نویز باعث می‌شود الگوریتم‌ مرسوم بازگشایی فاز دچار پرش‌های نابجا در فاز خروجی و در نتیجه خطا در تخمین ضرایب چندجمله‌ای شود. در این مقاله، روشی برای بهبود نتایج الگوریتم بازگشایی فاز مرسوم ارائه شده است که در آن از پیش‌بینی نمونه‌های فاز به کمک یک رگرسیون خطی کمک گرفته شده است. با مقایسه مقدار واقعی و پیش‌بینی فاز می‌توان پرش‌های نابجا در خروجی الگوریتم مرسوم را تشخیص داده و اصلاح نمود. ضمناً به دلیل استفاده از یک فیلتر fir جهت پیش‌بینی، حجم محاسبات افزایش چندانی نخواهد داشت. شبیه‌سازی‌های انجام شده بهبود قابل ملاحظه دقت تخمین نسبت به الگوریتم بازگشایی مرسوم را به ویژه در snrهای متوسط و پایین نشان می‌دهد.

Enhancement of Phase Unwrapping Algorithm Using a Prediction Filter for Estimation of Polynomial Phase Signal Parameters

Estimation of polynomial coefficients in polynomial phase signals (PPS) is needed in many radar applications for the purpose of extraction of Doppler parameters. One of the methods for estimating coefficients is fitting a polynomial curve in the unwrapped phase of these signals. The noise will cause wrong jumps in the output of customary phase unwrapping algorithm and also error in polynomial parameter estimation. In this paper a method is presented for enhancing the output of the customary phase unwrapping algorithm that uses the prediction of phase samples by a linear regression. By comparing the real and predicted phase samples in the output of customary phase unwrapping algorithm, it will be possible to detect and correct wrong jumps. Besides, the computational complexity will not have high increase because of using an FIR filter for prediction. Simulations show noticeable enhancement in estimation accuracy compared to customary phase unwrapping algorithm, specially in moderate and low signal to noise ratios.