Перетворення Гільберта для аналізу стохастичної модуляції біперіодично нестаціонарного випадкового сигналу

• Опубліковано в: : Доповіді НАН України
• Дата: 2025
• Автори: Яворський, І.М., Юзефович, Р.М., Пелипець, Р.І., Личак, О.В.
• Формат: Стаття
• Мова: Українська
• Опубліковано: Видавничий дім "Академперіодика" НАН України 2025
• Теми: Інформатика та кібернетика
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/216313
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Перетворення Гільберта для аналізу стохастичної модуляції біперіодично нестаціонарного випадкового сигналу / І.М. Яворський, Р.М. Юзефович, Р.І. Пелипець, О.В. Личак // Доповіді Національної академії наук України. — 2025. — № 6. — С. 46-60. — Бібліогр.: 22 назв. — укр.

Стохастичні сигнали природного та технологічного походження часто мають чітко виражену ритмічну структуру, яка проявляється у статистичних характеристиках першого та другого порядку. У найпростішому випадку така структура описується періодично нестаціонарними випадковими процесами (ПНВП) з однією базовою частотою. На практиці також часті випадки, коли в одному сигналі одночасно присутні кілька ритмів. Тобто стохастична повторюваність одного періоду взаємодіє з повторюваністю іншого. Ймовірнісна модель стохастичної мінливості з подвійною ритмічністю – це біперіодично нестаціонарний випадковий процес (БНВП). Раніше було показано, що для аналізу сигналів зі стохастичною модуляцією, у випадках, коли гармоніки несучої характеризуються однією основною частотою та її кратними, використання перетворення Гільберта дозволяє виділити приховану структуру періодично нестаціонарних модулюючих коливань. Однак, незважаючи на існування добре розробленої теорії ПНВП та початкові результати щодо її демодуляції за допомогою перетворення Гільберта для сигналів з однією несучими, властивості перетворення Гільберта для БНВП ще недостатньо вивчені. У статті детально розглядаються властивості моделі сигналу у вигляді BPNRP. Показано, що кореляційна структура BPNRP визначається стаціонарними корельованими випадковими процесами, які модулюють амплітуду та фазу несучих гармонік, частоти яких є комбінаціями двох основних частот. Проведено аналіз стохастичної модуляції за допомогою перетворення Гільберта. Встановлено характерні особливості кореляційної та спектральної структури перетворення Гільберта сигналу, які необхідно враховувати під час обробки реальних даних. Stochastic signals of natural and technological origin often have a clearly expressed rhythmic structure, which manifests itself in first- and second-order statistical characteristics. In the simplest case, such a structure is described by periodically non-stationary random processes (PNRP) with a single base frequency. In practice, there are also frequent cases when several rhythms are simultaneously present in the same signal. That is, the stochastic repeatability of one period interacts with the repeatability of another. A probabilistic model of stochastic variability with double rhythmicity is a bi-periodically non-stationary random process (BPNRP). It was previously shown that for the analysis of signals with stochastic modulation, in cases where the harmonics of the carrier are characterized by a single fundamental frequency and its multiples, the use of Hilbert transform allows the hidden structure of periodically non-stationary modulating oscillations to be extracted. However, despite the existence of a well-developed PNRP theory and initial results on its demodulation using Hilbert transform for single-carrier signals, the properties of Hilbert transform for BPNRP have not yet been sufficiently studied. The paper discusses in detail the properties of the signal model in the form of BPNRP. It is shown that the correlation structure of BPNRP is determined by stationary correlated random processes that modulate the amplitude and phase of carrier harmonics, whose frequencies are combinations of two fundamental frequencies. An analysis of stochastic modulation using the Hilbert transform is carried out. The characteristic features of the correlation and spectral structure of the Hilbert transform of a signal have been established, which must be taken into account when processing real data.