Аналіз високочастотної модуляції несучих гармонік періодично нестаціонарного випадкового сигналу
DOI:
https://doi.org/10.15407/dopovidi2022.02.021Ключові слова:
періодично нестаціонарні випадкові сигнали, високочастотна модуляція, перетворення Гільберта, квадратурні складовіАнотація
Проведено аналіз кореляційних і спектральних властивостей періодично нестаціонарного випадкового сиг-
налу (ПНВС), несучі гармоніки якого модульовані за амплітудою та фазою високочастотними стаціонарно
зв’язаними випадковими процесами. Показано, що кореляційні функції сигналу та його перетворення
Гільберта є однаковими, а їх взаємокореляційні функції мають протилежні знаки. Отримано представлен-
ня вузькосмугового ПНВС у вигляді стаціонарних, але періодично-нестаціонарно зв’язаних компонент. По-
казано можливості виділення й аналізу їх квадратур з використанням перетворення Гільберта.
Завантаження
Посилання
Dragan, Ya. & Yavorsky, I. (1980) Rhytmics of Sea Waving and Underwater Acoustic Signals, Kyiv: Naukova Dumka (in Russian).
Gardner, W. A. (1985). Introduction to Random Processes with Applicattions to Signals and Systems, New York: Macmillan.
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., 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
Napolitano, A. (2020). Cyclostationary Processes and Time Series: Theory, Applications, and Generalizations, Elsevier: Academic Press, 2020.
Javorskyj, I. (2013). Mathematical models and analysis of stochastic oscillations, Lviv: Karpenko Physico- Mechanical Institute (in Ukrainian).
Javorskyj, I., Leskow, J., Kravets, I., Isaev, I. & Gajecha-Mizek, E. (2011). Linear filtration methods for statistical analysis of periodically correlated random processes. — Part II: harmonic series reprsentation, Signal Process., 91, pp. 2506-2519. https: //doi. org/10. 1016/j. sigpro. 2011. 04. 031
Mykhailyshyn, V., Javorsky, I., Vasylyna, Ya., Drabych, O. & Isaev, I. (1997). Probabilistic models and sta tistical methods for the analysis of vibrational signals in the problem of diagnostics of machines and structures, Mater. Sci., 33, pp. 655-672.
Begrosian, E. (1963). A product theorem for Hilbert transforms, Proc. of the IEEE, 51, pp. 868-869.
Bendat, J. S. & Piersol, A. G. (2010). Random Data: Analysis and Measurement Procedures, John Wiley and Sons Ltd.
Randall, R. B. & Antoni, J. (2011). Rolling element bearing diagnostics – A tutorial, Mech. Syst. Signal Process., 25, pp. 485-520. https: //doi. org/10. 1016/j. ymssp. 2010. 07. 017
Randall, R. B., Antoni, J. & Chobsaard, S. (2001). The relation between spectral correlation and envelope analysis, Mech. Syst. Signal Process., № 15 (5), pp. 945-962. https: //doi. org/10. 1006/mssp. 2001. 1415
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Доповіді Національної академії наук України
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.