2) EEG frequency power spectrum
脑电功率谱
1.
Changes of EEG frequency power spectrum in newborn piglets with hypoxic-ischemic brain damage during selective moderate head cooling therapy;
头部低温治疗新生猪缺氧缺血性脑损伤脑电功率谱的变化
2.
Effect of isoflurane on EEG frequency power spectrum and brain temperature during focal ischemia/reperfusion in rats;
异氟醚对大鼠局灶性脑缺血再灌注损伤脑电功率谱的影响
3) EEG power spectrum
脑电功率谱
1.
Their results of CT, MRI, BAEP and EEG power spectrum at the follow-up were analyzed.
方法 自1986年5月～1999年12月,对142例严重脑外伤病人集中后续治疗,并进行头颅CT、MRI、脑干诱发电位及脑电功率谱随访研究。
4) EEG power spectral analysis
脑电功率谱
1.
After two months survival period ,host animals were received EEG power spectral analysis and morphological study .
0 5 ) ,脑电功率谱曲线两侧明显不对称。
5) power spectrum analysis
功率谱分析
1.
A study of the power spectrum analysis application to ball mill load measurement;
功率谱分析在筒式钢球磨煤机内存煤量测量中的应用研究
2.
The properties and components of pressure fluctuation signals in coarse circulation fluidized bed was researched by power spectrum analysis,R/S analysis and chaos analysis.
应用功率谱分析法、R/S分析法及混沌分析法对大颗粒循环流化床压力波动信号的性质和组成进行了研究。
3.
The minimum fluidization velocity and expansion ratio in the fluidized bed were measured and pressure fluctuation signals at different gas velocities were analyzed by means of power spectrum analysis.
在内径为85 mm的流化床中对聚酯切片的流态化特性进行了冷态模拟实验研究,测定了聚酯切片的起始流化速度和床层膨胀比,并通过对床层的压力脉动进行功率谱分析,考察了聚酯切片的流态化动力学特性和流型转变。
6) PSD analysis
功率谱分析
1.
The coefficient of the cutting force and PSD analysis is very important for milling force research.
在高速铣削条件下,利用PCI-1712高速数据采集卡进行数据采集,应用MATLAB软件中信号处理工具箱(SPTOOL)和小波分析工具箱(Wavelet)进行数据处理,从时域和频域两个方面研究原始切削力信号和其不同频率段的重构切削力信号,说明切削力信号的小波系数分析和功率谱分析对于研究切削力有重要意义。
补充资料：功率谱密度估计
随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。平稳随机信号x(t)的（自）功率谱Sxx(ω)定义为
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条