1) local power spectral density
局部谱密度
2) local spectral density estimation
局部谱密度估计
1.
It is concluded that HHT has great advantages for local spectral density estimation due to its.
指出利用HHT法来估计局部谱密度在精度和速度方面都有很好的优势,可以作为一种有效的局部谱密度估计方法,这有利于局部谱密度在地震动模型化和结构随机响应分析等方面的应用。
2.
By a detailed comparison of various local spectral density estimation methods, it is shown that wavelet transform is the best tool to estimate the local spectral density of earthquake ground motion regarding its precision and efficiency, and .
从理论上详细比较了小波变换与其它几种局部谱密度估计方法,指出利用小波变换来估计局部谱密度比其它方法精度更高,速度更快,使得方便高效地将局部谱密度应用在地震工程和结构抗震的诸多领域成为可能。
3.
Comparison results show that the orthogonal HHT has great advantages on local spectral density estimation due to its higher precisio.
因此,它是一种高效的局部谱密度估计方法。
3) local power spectral density(LPSD)
局部功率谱密度(LPSD)
4) local density
局部密度
1.
From the existing theory of the random medium model, every single local maximum point of a continuous random medium as the center point of each cave distribution area was taken, the two model characteristic quantities namely the local radius R and the local density p were introduced, simulated all sorts of different random cave medium models by the.
采用局部半径R描述溶洞介质在大尺度上的离散程度,采用局部密度p描述溶洞介质在各溶洞分布区中的局部空间密度。
2.
The boundary layer effect of the powder injection molding filling flow process was studied through local density measurement and SEM.
通过对注射坯进行局部密度测试及采用SEM方法观察注射坯截面上粉末-粘结剂的分布状态,揭示了PIM充模过程的边界层效应。
5) local density of state
局部态密度
1.
In this paper, the method in which a local density of state of a system can be obtained through the exact solution for the Green s function is extended to the case with non-orthonormal hots, and the applicable range of this method is extended.
本文将格林函数精确求解体系局部态密度的方法推广到非正交基的情形，并扩展了该方法的适用范围。
6) k-local density
k-局部密度
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