1) cross power spectrum
互功率谱
1.
Simulating on rotor bars breaking fault of electric machine using cross power spectrum;
基于互功率谱的电机转子多根断条故障仿真
2.
An encoding algorithm based on cross power spectrum is proposed.
提出了一种基于互功率谱的虹膜编码方法。
2) cross-power spectrum
互功率谱
1.
Based on the cross-power spectrum estimation,the algorithm has the advantages of lower complexity and better precision over wide frequency band.
该算法基于互功率谱估计,具有算法复杂度低、精确度高、适用频率范围广等优点。
2.
In the system,fast Fourier transform and multichannel signal time domain waveform,amplitude spectrum and cross-power spectrum is plotted and displayed.
该系统实现了快速傅里叶变换,多通道时域波形,幅值谱,互功率谱的绘制与显示。
3.
We have proved that the cross-power spectrum method is poor in registering basically monotone-smooth signals with translations.
针对对数极坐标下的互功率谱配准方法有时无法检测两幅图像的平移、旋转和尺度关系问题,提出了一种截断对数轴系数低数值段的频域相关配准方法。
3) the cross-power-spectral method
互功率谱法
4) crosspower spectrum coefficient(CSC)
互功率谱比值法
1.
In order to avoid these disadvantages,MES was analyzed by crosspower spectrum coefficient(CSC) method.
传统检测方法处理表面肌电信号(SMES)时,个体差异比较大,本文针对这一不足,应用互功率谱比值法对肌电信号进行处理,并分析互功率谱的各项参数和对应肢体动作变化之间的关系,消除了肌电信号实际测量中不可测噪声的干扰。
5) cross-power spectrum phase
互功率谱相位
6) cross power spectral density
互功率谱密度
1.
A method of cross power spectral density between responses is derived and a poly reference modal analysis method using cross power spectral density method in frequency domain is presented in this paper.
对各测点响应的互功率谱密度函数进行了详细推导 ,提出了一种基于互功率谱密度的频域多参点辨识法 ,这意味着许多原本利用频响函数的传统频域识别法可以很容易地用于工作状态下的模态识别 ,大大开阔了未知激励下模态识别的视野。
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