Questions tagged «power-spectral-density»

韦尔奇的方法一直是我计算平均采样时间序列功率谱密度（PSD）的首选算法。我注意到还有许多其他计算PSD的方法。例如，在Matlab中，我看到： 使用Burg方法的PSD 使用协方差方法的PSD PSD使用周期图 PSD使用修正的协方差方法 使用多锥度方法（MTM）的PSD 使用Welch方法的PSD 使用Yule-Walker AR方法的PSD 使用短时傅立叶变换的频谱图 光谱估计 这些各种方法的优点是什么？作为一个实际问题，我什么时候要使用Welch的方法以外的方法？

53 frequency-spectrum  power-spectral-density  psd 

信号的功率谱可以通过对其傅立叶变换的幅度平方进行计算。作为音频人，对我而言感兴趣的信号将是一个时间序列。 这种表示形式与PSD（功率谱密度）有何不同？重要的是，在什么实际情况下应使用PSD代替上述功率谱？

21 fft  frequency-spectrum  power-spectral-density  psd 

我正在尝试实现8阶IIR滤波器，并且我阅读的每个应用笔记和教科书都说，最好将2阶以上的任何滤波器实现为二阶部分。我tf2sos在MATLAB中使用了二阶部分的系数，这与我预期的4个二阶部分的6x4系数有关。在实施为SOS之前，八阶滤波器需要存储7个先前的采样值（以及输出值）。现在，当实现为二阶部分时，流程如何从输入到输出工作，我是否仅需要存储2个先前的样本值？还是第一个滤波器的输出馈x_in入第二个滤波器，依此类推？

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

这似乎是一个简单的问题，毫无疑问，但这是一个问题，但我正在尝试计算高斯白噪声的方差，而没有任何结果。 加性高斯白噪声（AWGN）的功率谱密度（PSD）为而自相关为，那么方差是无限的吗？N02ñ02\frac{N_0}{2}N02δ(τ)N02δ(τ)\frac{N_0}{2}\delta(\tau)

20 noise  power-spectral-density  random-process 

好的，光谱平坦度（也称为维纳熵）定义为光谱的几何平均值与其算术平均值的比值。 Wikipedia和其他参考资料说明了功率谱。那不是傅立叶变换的平方吗？FFT产生一个“振幅频谱”，然后求平方得到“功率频谱”？ 基本上，我想知道的是spectrum = abs(fft(signal))，其中哪些是正确的？ spectral_flatness = gmean(spectrum)/mean(spectrum) spectral_flatness = gmean(spectrum^2)/mean(spectrum^2) 维基百科的定义似乎直接使用幅度： 其中x（n）代表区间数n的大小。F l a t n e s s = ∏ñ− 1n = 0x （n ）---------√ñ∑ñ− 1n = 0x （n ）ñ= 经验（1ñ∑ñ− 1n = 0lnx （n ））1个ñ∑ñ− 1n = 0x （n ）F升一种ŤñËss=∏ñ=0ñ-1个X（ñ）ñ∑ñ=0ñ-1个X（ñ）ñ=经验值⁡（1个ñ∑ñ=0ñ-1个ln⁡X（ñ））1个ñ∑ñ=0ñ-1个X（ñ） \mathrm{Flatness} = \frac{\sqrt[N]{\prod_{n=0}^{N-1}x(n)}}{\frac{\sum_{n=0}^{N-1}x(n)}{N}} = \frac{\exp\left(\frac{1}{N}\sum_{n=0}^{N-1} \ln x(n)\right)}{\frac{1}{N} …

17 fft  frequency-spectrum  power-spectral-density 

我试图了解PSD的计算方式。我看过我的一些通讯工程教科书，但无济于事。我也在网上看过。 维基百科似乎是最好的解释。但是，我迷失了他们决定制作CDF（累积分布函数）的部分，然后由于某种原因决定将其与自相关函数相关联。 我想我不明白的是，自相关与计算PSD有什么关系？我以为PSD就是的傅立叶变换P(t)P(t)P(t)（其中P(t)P(t)P(t)是信号相对于时间的功率）。

14 power-spectral-density  psd 

离散信号的功率谱密度“确切”是什么？我一直在假设对信号进行傅立叶变换，然后在整个频率范围内所需频率范围幅度的比率得出该频率范围的功率比，该功率比与功率谱密度相同。错了吗 读学生论文让我感到困惑，因为它说的是计算PSD，然后计算“所需频段内的绝对和相对频谱功率”。他们不同吗？如果是，请问如何计算？

12 psd  power-spectral-density 

我在Wikipedia上阅读了以下内容： 功率谱密度： 能量谱密度的以上定义最适合于 瞬变，即类似脉冲的信号，对此存在信号的傅里叶变换。对于描述例如固定物理过程的连续信号，定义功率谱密度（PSD）更有意义，该功率谱密度描述了信号或时间序列的功率如何分布在不同的频率上，如简单示例所示先前给出。 我不太理解该段。第一部分说“ 对于某些信号，不存在傅里叶变换 ”。 对于哪些信号（在我们正在讨论的上下文中）不存在傅里叶变换，因此我们需要诉诸PSD而不是使用能谱密度？ 当获得功率谱密度时，为什么我们不能直接计算它呢？为什么我们需要估计呢？ 最后，在这个主题上，我了解了在逐步计算PSD时使用Kayser-windows的方法。这些窗口在PSD估计中的目的是什么？

10 power-spectral-density 

如何在MATLAB中计算信号的谱熵？我知道基本的步骤，但是如果有人可以提供帮助，那就太好了， 使用MATLAB中的FFT命令计算信号的功率谱。 使用功率谱或任何其他技术计算功率谱密度。 正常化之间的功率谱密度，使得它可以作为一个概率密度函数来处理p 我。[ 0 ，1 ][0，1个][0, 1]p一世p一世p_i 计算熵H（s ）= − ∑ p一世日志2（p一世）H（s）=-∑p一世日志2⁡（p一世）H(s) = -\sum p_i\log_2\left(p_i\right)

9 power-spectral-density