1) evolutionary power spectra
时变功率谱
1.
Kameda adopted the Multifilter technique to calculate the evolutionary power spectra of earthqudke ground motions and established the model for simulating seismic accelerograms.
Kameda利用多重滤波技术计算地震动的时变功率谱 ,建立了合成地震加速度模型 ,Sugito发展了此模型预测岩石场地地震动。
2.
Based on the rock surface strong motion dataset in west America and Kameda\'s multifilter technique,the evolutionary power spectra of horizontal and vertical ground motion are calculated.
基于美国西部基岩强震加速度记录资料,采用多重滤波技术计算水平向和竖向地震加速度记录时程的时变功率谱值,并利用非线性最小二乘法拟合了对应于各条加速度记录时程的时变功率谱模型参数值。
2) time-varying power spectrum
时变功率谱
1.
In order to reduce the high computational complexity load of the double-talk detector in the echo canceller and solve the time-delay problem which leads to the deterioration of the echo canceling performance,a without double-talk detectors based on signal time-varying power spectrum for acoustic echo canceling has been proposed.
为了解决回声抵消器中双端会话检测器计算量大,以及由于其时间的延迟而导致回声抵消性能恶化的问题,提出了一种无双端会话检测的信号的时变功率谱声回声抵消算法。
3) instantaneous power spectral density
瞬时功率谱
1.
Based on that the instantaneous power spectral density with spatial frequency is derived.
本文提出了解决车辆非平稳随机振动问题的“瞬态空间频响函数”法 ,导出了车辆非匀速行驶时的时 -空频率关系和系统的瞬态空间频响函数 ,在此基础上结合实例分析了车辆非平稳响应的瞬时功率谱 ,并与其他方法进行了比较。
4) time-frequency power spectrum
时频功率谱
5) power delay profile
功率时延谱
6) temporal power spectra
时间功率谱
1.
The results show in horizontal atmosphere, the temporal power spectra is proportional to the 4/3-6β/11 power (β is the power law exponent of phase power spectrum) .
引入规格化的相位谱， 推导了大气湍流波前低阶模式（ Ｚ倾斜和 Ｇ倾斜、离焦、像散以及彗差）的时间功率谱， 并就水平大气传输、星体目标观测、空间目标监测等几种情况作了实际的数值计算及分析， 此外还给出了 Ｇ倾斜功率谱的实验结果。
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