Перетворення Гільберта багатокомпонентних періодично нестаціонарних випадкових сигналів

Автор(и)

DOI:

https://doi.org/10.15407/dopovidi2022.01.020

Ключові слова:

періодично нестаціонарні випадкові сигнали, перетворення Гільберта, аналітичний сигнал, квадратури

Анотація

Проаналізовано властивості перетворення Гільберта періодично нестаціонарного випадкового сигналу, який представляється суперпозицією стохастично модульованих за амплітудою та фазою гармонік з кратними частотами. Отримано співвідношення, що визначають кореляційну та спектральну структуру квадратур кожної з компонентів, які виділяються за допомогою смугової фільтрації та перетворення Гіль берта. Показано, що умовою періодичної нестаціонарності аналітичного сигналу є корельованість квадратур різних компонентів.

Завантаження

Посилання

Hahn, S. L. (1995). Hilbert transforms in signal processing, Boston: Artech House.

Vakman, D. (1998). Signals, Oscillations, and Waves: A Modern Approach, Boston: Artech House.

King, F. W. (2009). Hilbert Transforms: Volume 1 (Encyclopedia of Mathematics and Its Applications, Series Number 124), Cambridge: Cambridge Univ. Press.

Feldman, M. (2011). Hilbert transform applications in mechanical vibration, New Delhi: Wiley.

Huang, N. E., Shent, Z., Long, S. R. at al. (1998). The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proc. R. Soc. A. No. 454 (1971), pp. 903-995. https: // doi. org/10. 1098/rspa. 1998. 0193

Dragan, Ya., Yavorskyj, I. & Rozhkov, V. (1987). Methods of probabilistic analysis of oceanological rhytmics. Leningrad: Gidrometeoizdat (in Russian).

Gardner, W. A. (1994). Cyclostationarity in Communications and Signal Processing. New York: IEEE Press.

Hard, H. L. & Miamee, A. (2007). Periodically Correlated Random Sequences: Spectral Theory and Practice. New York: Wiley.

Antoni, J. (2009). Cyclostationarity by examples. Mech. Syst. Signal Process., 23, pp. 987-1036. https: //doi. org/10. 1016/j. ymssp. 2008. 10. 010

Javorskyj, I. (2013). Mathematical models and analysis of stochastic oscillations, Lviv: Karpenko Physico- Mechanical Institute (in Ukrainian).

Javorskyj, I., Yuzefovych, R., Matsko, I. & Kravets, I. (2015). The stochastic recurrence structure of geophysical phenomena. Applied Condition Monitoring, 3, pp. 55-88. https: //doi. org/10. 1007/987-3-319- 163330-7_4

Javorskyj, I., Kravets, I., Matsko, I. & Yuzefovych, R. (2017). Periodically correlated random processes: Application in early diagnostics of mechanical systems. Mech. Syst. Signal Process., 83, pp. 406-438. https: // doi. org/10. 1016/j. ymssp. 2016. 06. 022

Napolitano, A. (2020). Cyclostationary Processes and Time Series: Theory, Applications, and Generalizations, Elsevier, Academic Press.

Matsko, I., Javorskyj, I., Yuzefovych, R. & Zakrzewski, Z. (2018). Forced oscillations of cracked beam under the stochastic cyclic loading. Mech. Syst. Signal Process., 104, pp. 242-263. https: //doi. org/10. 1016/j. ymssp. 2017. 08. 021

##submission.downloads##

Опубліковано

30.03.2022

Як цитувати

Яворський, І., Юзефович, Р., & Личак, О. (2022). Перетворення Гільберта багатокомпонентних періодично нестаціонарних випадкових сигналів. Доповіді Національної академії наук України, (7), 20–33. https://doi.org/10.15407/dopovidi2022.01.020

Номер

Розділ

Інформатика та кібернетика