Abolfazl Neyestani - استادیار، گروه فیزیک، دانشگاه رازی، کرمانشاه، ایران

روش­های پالایش رقمی برای جداسازی اطلاعات مجزا از سیگنال­های پیچیده هواشناسی بسیار موثر هستند. هدف از مطالعه حاضر طراحی پالایه های مناسب برای اعمال بر روی سیگنال­های هواشناسی دما و بارش به منظور هموارسازی، جداسازی مولفه­های بسامدی با اهمیت و حذف نوفه­های بسامد بالای بی­اهمیت است. طراحی این پالایه­ها، هم در حوزه زمان و هم در حوزه بسامد امکان­پذیر است که در این تحقیق طراحی و اعمال پالایه در حوزه زمان انجام شده است. نتایج اهمیت انتخاب پالایه مناسب در تحلیل محتوای طیفی موجود در سیگنال هواشناسی را نشان می­دهد. با پالایش سیگنال خام دما و بارش ماهانه طی دوره آماری ۱۹۷۹ تا ۲۰۲۱ در ایستگاه­های تهران و تبریز به مولفه­های فصلی، سالانه و بین سالی، ارتباط خطی بین این مولفه­ها به طور مجزا توسط ضریب همبستگی پیرسون مورد بررسی قرار گرفته و شباهت­ها و تفاوت­ها با هم مقایسه شده­اند. همچنین پالایه همینگ نسبت به پالایه میانگین متحرک ساده، عملکرد بهتری را در تضعیف نوسان­های گیبس در بخش­های جانبی پاسخ بسامدی پالایه نشان می­دهد. البته انتخاب تعداد وزن بیشتر در طراحی پالایه می­تواند در بهبود عملکرد پالایه اثرگذار باشد. این مسئله در زمانی که تعداد مولفه­های با اهمیت بیشتری در طیف بسامدی سیگنال هواشناسی وجود دارند، بایستی بیشتر مورد توجه قرار گیرد.

پالایه رقمی, پردازش سیگنال, تغییرپذیری, پنجره گذاری, هواشناسی