1) power spectral graph
脉象功率谱
2) pulsating wind power spectrum
脉动风速功率谱
1.
It sums up pulsating wind power spectrum and the form,used occasion and the problem existed of various experience of space correlation coefficient,discussed the space correlation problem that should be pay attention to in long-span bridge and long-span space structure wind field simulation.
总结了脉动风速功率谱及空间相关性系数的各种经验公式的形式,使用场合及存在的问题,讨论了在大跨桥梁及大跨空间结构风场模拟时应注意的空间相关性问题,为脉动风风速谱及空间相关性的进一步研究提供了理论基础。
3) pulsating wind spectrum
脉动风功率谱
4) power spectrum
功率谱
1.
Application of TEOAE power spectrum quantitative indices in clinic;
瞬态诱发耳声发射的功率谱定量指标应用于临床诊断
2.
Time domain and power spectrum of wide frequency band electrocardiogram in pigeons;
正常家鸽的宽频带心电图时域值和功率谱
3.
Seismic input of power spectrum for single-degree-of-freedom system;
单自由度体系地震动输入功率谱的确定
5) Power spectral entropy
功率谱熵
1.
Speech endpoint detection algorithm based on adaptive subband power spectral entropy;
基于自适应子带功率谱熵的语音端点检测算法
2.
Effect of power spectral entropy on the prediction of seizure in epileptic rats
功率谱熵对大鼠痫性发作预报的评估意义
3.
Methods Gravity frequency and power spectral entropy of EEG were extracted to analyze state of mental fatigue at three epoches:BT before continuous mental arithmetic task,AT immediately after continuous mental arithmetic task,and REST 60 min after task.
方法对连续数学运算前后以及休息后3种状态下脑电的功率谱重心频率以及功率谱熵进行了分析,并采用主观评价和行为学方法对3种状态进行对照分析。
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