1) auto-power spectral density function
自功率谱密度函数
2) power spectral density function
功率谱密度函数
1.
Analysis about evaluating method of power spectral density function;
功率谱密度函数评价方法探讨
2.
In practical application,one of the difficulties is the adjustment of the power spectral density function to various soil conditions.
在实际应用中 ,调整功率谱密度函数以适应各类场地土仍是一项困难的工作。
3.
Using random process analysis method the characteristic parameters, amplitude density function autocorrelation function and power spectral density function of the surface topogtaphy of each component can be obtained separately.
在对电加工零件表面粗糙度进行测量，得到大量的实测数据（即测量算术平均偏差Ｒａ在表面径向等角距的八个方向的数据）的基础上，运用随机分析方法，分别求出每个零件表面形貌的特征参数、幅度密度函数、自相关函数和功率谱密度函数，通过对这些特征参数及函数图形进行分析，评估电加工零件表面形貌，为制订合理的表面粗糙度评定参数作准备。
3) power spectrum density function
功率谱密度函数
1.
Comparison studies have been performed concerning of dynamic amplification factor β and power spectrum density function (approximately estimated from design spectra) between Eurocode 8 and primary seismic design codes of China.
用动力放大系数β对欧洲规范 (Eurocode 8)和我国主要抗震设计规范的设计谱进行比较 ;并对由欧洲规范和我国主要抗震设计规范设计谱估计出的功率谱密度函数作了比较。
4) spectral density function
功率谱密度函数
1.
Based on the power spectral density function of impulse wind load,the time history of impulse wind load varying along with the space positions has been concisely simulated.
依据脉动风荷载的功率谱密度函数,探讨了AR模型方法实现考虑空间相关性影响的水平脉动风荷载的模拟方法。
2.
In the method, the probability density function of a stochastic process is described from the spectral density function of the stochastic process.
通过研究随机过程峰值分布的规律,提出了由随机过程的功率谱密度函数来分析随机过程峰值概率密度函数的新方法。
5) single power table density function
单边功率谱密度函数
6) normalized power spectrum density function
标准化功率谱密度函数
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