1) joint power spectrum subtraction
功率谱相减
1.
Realization of no zero-order joint transform correlator based on joint power spectrum subtraction;
基于功率谱相减实现无零级衍射的联合变换相关器
2) power spectrum subtraction
功率谱相减法
1.
14 times stronger than the useful signal;thus,the power spectrum subtraction is used to eliminate the strong disturbance,and the capacity of image recognition is improved.
14倍,输出结果不理想;采用功率谱相减法可以消除零级强干扰,进而提高了图像的识别能力。
3) power spectral subtraction
功率谱减法
1.
First,using power spectral subtraction to lowen noise,then directly computing the distance of linear prediction cepstral coefficients relative to origin,and judge it according to threshold that decided beforehand.
首先用加权功率谱减法降噪,然后直接计算各帧的倒谱系数相对于原点的距离,再根据预设的判决门限进行判决。
4) coherent power spectrum
相干功率谱
1.
Distinguishing of the main noise source by using coherent power spectrum;
用相干功率谱识别主噪声源
5) Power spectrum phase
功率谱相位
6) the power-law decay of power spectrum
功率谱指数衰减
1.
09 m in diameter and 1m in height) with polyethylene particles were analyzed using both mutual information theory and the power-law decay of power spectrum intensity.
根据功率谱低频发散与阵发性混沌本质之间的联系,通过分析压力波动信号的功率谱指数衰减,并结合互信息函数分析,证实了流态化动力学所具有的阵发性混沌特性。
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