Journal of Communications Technology and ElectronicsJournal of Communications Technology and ElectronicsРадиотехника и электроника0033-84943034-5901The Russian Academy of Sciences65048710.31857/S0033849423080119ZJMCDRК 100-ЛЕТИЮ Б.В. СЕСТРОРЕЦКОГОUnknownAlgorithm for Estimating the Spectral Correlation Function Using the 2D Fast Fourier TransformАлгоритм оценки спектральной корреляционной функции с использованием двумерного быстрого преобразования ФурьеShevgunovT. Ya.ШевгуновТ. Я.shevgunov@gmail.comMoscow Aviation Institute National Research UniversityМосковский авиационный институт (национальный исследовательский университет)0108202368878278931012025Copyright ©; 2023, Т.Я. ШевгуновCopyright ©; 2023, Т.Я. Шевгунов2023Т.Я. ШевгуновТ.Я. Шевгуновhttps://innoscience.ru/0033-8494/article/view/650487

An algorithm for estimating the spectral correlation function of cyclostationary random processes on the basis of their finite-time realization is proposed. The main algorithm steps are described and the main operations performed at each of them are formalized. The presented estimates of the spectral correlation function in the presence of a correlated stationary noise overlapping the analyzed cyclostationary random process in the frequency domain confirm the efficiency of the algorithm with a low signal-to-noise ratio. The number of required computational operations and the amount of computer memory required for storing intermediate results are estimated.

Предложен алгоритм оценивания спектральной корреляционной функции (СКФ) циклостационарных случайных процессов (ЦССП) по их реализациям конечной длительности. Описаны основные шаги алгоритма и формализованы основные операции, выполняемые на каждом из них. Представленные результаты оценивания СКФ при наличии коррелированного стационарного шума, перекрывающего анализируемый ЦССП в частотной области, подтверждают эффективность работы алгоритма в условиях низкого отношения сигнал-шум. Проведена оценка количества требуемых вычислительных операций и необходимого объема памяти ЭВМ для хранения промежуточных результатов.

spectral correlation functioncyclostationary random processesfinite-time realizationGardner W.A. Statistical Spectral Analysis: A Non-probabilistic Theory. Englewood Cliffs: Prentice Hall, 1988.Gardner W.A. Cyclostationarity in Communications and Signal Processing. N.Y.: IEEE Press, 1994.Napolitano A. Cyclostationary Processes and Time Series: Theory, Applications, and Generalizations. L.: Acad. Press., 2019. https://doi.org/10.1016/C2017-0-04240-4Gardner W.A., Napolitano A., Paura L. // Signal Processing. 2006. V. 86. P. 639. https://doi.org/10.1016/j.sigpro.2005.06.016Napolitano A. // Signal Processing. 2016. V. 120. P. 385. https://doi.org/10.1016/j.sigpro.2015.09.011Efimov E. // Systems of Signals Generating and Processing in the Field of on Board Communications. Moscow. 15–17 Mar. 2022. N.Y.: IEEE, 2022. Article No. 9744308 https://doi.org/10.1109/IEEECONF53456.2022.9744308Shevgunov T. // Systems of Signals Generating and Processing in the Field of on Board Communications. Moscow. 15–17 Mar. 2022. N.Y.: IEEE, 2022. Article No. 9744365. https://doi.org/10.1109/IEEECONF53456.2022.9744365Guschina O. // Systems of Signals Generating and Processing in the Field of on Board Communications. Moscow. 15–17 Mar. 2022. N.Y.: IEEE, 2022. Article No. 9744264 https://doi.org/10.1109/IEEECONF53456.2022.9744264Ефимов Е.Н., Шевгунов Т.Я., Кузнецов Ю.В. // Труды МАИ № 97. М.: МАИ, 2017. С. 14. http://trudymai.ru/published.php?ID=87294.Shevgunov T., Efimov E., Zhukov D. // Moscow Workshop on Electronic and Networking Technologies (MWENT). 2018. P. 1. https://doi.org/10.1109/MWENT.2018.8337271Roberts R.S., Brown W.A., Loomis H.H. // IEEE Signal Processing Magazine. 1991. V. 8. P. 38. https://doi.org/10.1109/79.81008Brown W.A., Loomis H.H. // IEEE Trans. 1993. V. SP-41. № 2. P. 703. https://doi.org/10.1109/78.193211Antoni J. // Mechanical Systems and Signal Processing. 2007. V. 21. № 2. P. 597. https://doi.org/10.1016/j.ymssp.2006.08.007Antoni J., Xin G., Hamzaoui N. // Mechanical Systems and Signal Processing. 2017. V. 92. P. 248. https://doi.org/10.1016/j.ymssp.2017.01.011Shevgunov T., Efimov E. // Signal Processing Symp. (SPSympo). Krakow. 2019. P. 216. https://doi.org/10.1109/SPS.2019.8881963Шевгунов Т.Я., Гущина О.А. // T-Comm: Телекоммуникации и транспорт. 2021. Т. 15. № 11. С. 54. https://doi.org/10.36724/2072-8735-2021-15-11-54-60Harris F.J. // Proc. IEEE. 1978. V. 66. P. 51. https://doi.org/10.1109/PROC.1978.10837Geckinli N., Yavuz D. // IEEE Trans. 1978. V. ASSP-26. № 6. P. 501. https://doi.org/10.1109/TASSP.1978.1163153Mahyari A.G. // Intern. J. Electronics. 2010. V. 97. P. 1311. https://doi.org/10.1080/00207217.2010.488908Шевгунов Т.Я. // Радиотехника. 2019. № 3. С. 33. https://doi.org/10.18127/j00338486-201903-05Гонсалез Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2012.Ефимов Е.Н., Шевгунов Т.Я. // Электросвязь. 2016. № 11. С. 65.Shevgunov T., Efimov E., Guschina O. // Sensors. 2023. V. 23. № 1. P. 215. https://doi.org/10.3390/s23010215Hitczenko P., Kwapień S. // Probability in Banach Spaces, 9. Progress in Probability. 1994. V. 35. P. 31. https://doi.org/10.1007/978-1-4612-0253-0_2Shevgunov T., Efimov E., Kirdyashkin V., Kravchenko T. // Adv. Signal Processing, Intelligent Systems Reference Library. 2020. V. 184. P. 75. https://doi.org/10.1007/978-3-030-40312-6_6Shevgunov T. // J. Phys.: Conf. Ser. 2019. V. 1163. P. 012037. https://doi.org/10.1088/1742-6596/1163/1/012037Lenart L. // Probability and Mathematical Statistics. 2008. V. 28. № 2. P. 305.Priestley M.B. Spectral Analysis and Time Series. V. 1. Univariate ser. L.: Acad. Press, 1981.Lenart L. // Bernoulli. 2011. V. 17. № 1. P. 290. https://doi.org/10.3150/10-BEJ269