1) ARMA power spectrum
ARMA功率谱
1.
An approach to determine the AR order and parameters of autoregressive moving average(ARMA) model by singular value decomposition(SVD) and total least square(TLS)is present, and ARMA power spectrum is calculated with Cadzow spectral estimator.
提出了基于SVD TLS法估计ARMA信号模型的AR阶数和参数的方法 ,并利用Cadzow谱估计子计算ARMA功率谱 。
2) Rolling ARMA power spectrum
滚动ARMA功率谱
3) ARMA spectrum
ARMA谱
4) ARMA spectral estimation
ARMA谱估计
1.
Aimed at the singularity that dynamic process simulation output for antitank missile systems is of short sequences and low signal-to-noise ratio,the method of applying ARMA spectral estimation to verify the validity of simulation models for missile systems is presented in this paper.
针对反坦克导弹系统动态过程仿真的输出具有短时序、低信噪比的特点 ,研究了应用ARMA谱估计验证导弹系统仿真模型有效性的方法 ,并结合某型号滚转稳定的反坦克导弹系统复杂模型的仿真数据和简化模型的仿真数据给出ARMA谱估计的应用结果。
5) ARMA bispectrum
ARMA双谱
1.
Through obtaining welding arc sound signals of different droplet tansifer,this paper analyzed welding arc sound of different droplet transfer by ARMA bispectrum and extracting eigenvector,then did pattern recognition to the obtained eigenvector by support vector machine(SVM).
运用电弧声对熔滴过渡模式进行识别,获取不同熔滴过渡的电弧声信号,利用ARMA双谱对不同熔滴过渡的电弧声进行分析,并提取其特征向量,采用支持向量机(SVM)方法对所获得的特征向量进行模式识别,由此成功地识别了各种熔滴过渡类型。
6) 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
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