1) WP-MUSIC power spectrum
WP-MUSIC功率谱
2) MUSIC spatial spectrum
MUSIC空间谱
1.
The expression of MUSIC spatial spectrum based on noise subspace was presented.
MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计。
2.
Higher precision direction of arrival(DOA) estimation can be obtained by iteratively searching the maximum of the MUSIC spatial spectrum using initial parameters obtained by array manifold estimation with a single vector hydrophone.
利用3个矢量水听器组成了三元矢量阵,对比了矢量阵自初始化MUSIC算法和MUSIC空间谱估计以及常规波束形成的性能。
3.
Experimental results show that the performance of DOA estimation using MUSIC spatial spectrum is improved comparing with that using conventional beamforming.
为了检验矢量阵MUSIC空间谱方位估计算法的性能,进行了三元矢量阵的外场试验,对比了MUSIC空间谱估计以及常规波束形成的性能。
3) P-MUSIC spectrum
P-MUSIC谱
4) cross-spectral MUSIC method
互谱MUSIC算法
1.
The cross-spectral MUSIC method is used to estimate the sinusoidal frequency in the error data.
该方法利用采样的混合信号(混沌加白噪声和正弦)通过某一类型滤波器,用滤波后信号驱动一新构建的同类响应混沌系统,若混沌同步发生,则驱动响应信号的误差序列中应含有正弦成分,对误差序列采用互谱MUSIC算法估计正弦频率。
5) 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
6) 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