Physics of auroral phenomena : proceedings of the 40th annual seminar, Apatity, 13-17 March, 2017 / [ed. board: N. V. Semenova, A. G. Yahnin]. - Апатиты : Издательство Кольского научного центра РАН, 2017. - 143 с. : ил., табл.

“Physics o f Auroral Phenomena", Proc. XL Annual Seminar, Apatity, pp. 128-130, 2017 © Polar Geophysical Institute, 2017 Polar Geophysical Institute ВЫДЕЛЕНИЕ ДОЛГОПЕРИОДНЫХ ВАРИАЦИЙ СРЕДНЕШИРОТНОЙ ИОНОСФЕРЫ ФИЛЬТРАМИ ЧЕБЫШЕВА Д.Б. Рождественский, В.А. Телегин, В.И. Рождественская Институт земного магнетизма, ионосферы и распространения радиоволн, Россия, г. Троицк e-mail: veraro2011@yandex.ru Введение. Анализ методов прогнозирования, показал, что адекватность прогнозирования в значительной степени зависит от спектрального состава прогнозируемого процесса и от его стабильности. Интервал прогнозирования определяется спектральной полосой процесса и увеличивается при ее уменьшении. При наличии периодических составляющих обработку целесообразно проводить специальными цифровыми фильтрами (Рождественский, Телегин, 2015). Для успешного прогноза /oF2 важным вопросом является выбор интервала дискретизации, т.е. как часто, для каких целей и на каком интервале необходимо проводить измерения. Выделение отдельных составляющих из данных критической частоты/oF2: суточных, сезонных, годовых, многолетних проводилось по единой методике методами спектрального анализа. Так, для ионосферных параметров, измеренных с наивысшей частотой возможны диапазоны разбиения с минимальной частотой дискретизации: высокочастотный -1/3 часа, суточный -1/24 часа, сезонный -1/3 мес., низкочастотный -1/3 года и сверхнизкочастотный -1/20 лет. Максимальная частота определяется интервалом дискретизации в данном диапазоне: [ / „ Д =1/2Агг Разбиение процесса на отдельные частотные области позволило унифицировать технологию прогнозирования, увеличить точность прогнозирования, поскольку интервал экстраполяции пропорционален числу интервалов дискретизации, определить правила дальнейшей цифровой обработки с помощью численных методов. Фильтры Чебышева для выделения отдельных спектральных составляющих При обработке ионосферных данных наиболее широко используются расчет медианных значений и вычисление средних значений (Cander, Mihailovic, 1998; Deminov etal., 2009; Bilitza, 2000). Для выделения медленно меняющихся составляющих процесса, осреднения данных и их сглаживания применяются цифровые фильтры скользящего арифметического среднего, особенности частотной характеристики которого в полосе среза могут привести к появлению ложных составляющих из-за мимикрии частот. Алгоритм расчета медианы строится упорядочиванием данных по признаку возрастания их значений. Из возрастающей последовательности в качестве медианного значения берется средний отсчет. Операция расчета медианных значений сопровождается появлением кратных гармоник частотных составляющих исследуемого процесса, а также постоянной составляющей. Рисунок 1. Суточный ход критической частоты после фильтрации (кривая 1), выделенная высокочастотная составляющая ( кривая 2) для 5-13 дня марта 2012 г. Правая ось ординат для dfof2 кривой 2. Спектральный анализ показал, что оптимальным оператором первичной обработки данных наблюдений является идеализированный фильтр исправленного непрерывного осреднения (ИНО), сочетающий фильтр скользящего среднего и идеальный фильтр низких частот, практическая реализация которого осуществляется так же цифровыми фильтрами Чебышева. Для полного исключения эффекта мимикрии частот, возникающего из-за дискретизации во времени, необходим фильтр с амплитудно-частотной характеристикой (АЧХ) равной нулю при частотах, превышающих частоту Найквиста. В качестве частотной характеристики в полосе пропускания желаемого цифрового фильтра выбрана частотная характеристика непрерывного осреднения. Известно, что последовательное применение двух фильтров эквивалентно одному с АЧХ, равной произведению АЧХ составляющих фильтров. Следовательно, для выделения низкочастотных составляющих 128