回复 #15 马社 的帖子
那你来准确区分一下 让大家长长见识啊 本帖最后由 VibInfo 于 2016-5-17 13:12 编辑原帖由 马社 于 2007-6-25 22:52 发表
功率谱不是功率谱密度
很多教科书上是错的，国军标也有的是错的，概念混淆，
唉，人世间。
小声地说，我赞同。psd里可以选择谱峰估计（功率谱）和谱密度估计（谱密度）。 本帖最后由 VibInfo 于 2016-5-17 13:12 编辑
原帖由 马社 于 2007-6-25 22:52 发表
功率谱不是功率谱密度
很多教科书上是错的，国军标也有的是错的，概念混淆，
唉，人世间。
是呀。 那么gouxg和马社 两位高高手，给大家区别一下功率谱和功率谱密度，也让大家学习学习啊，不要那么超然嘛，不会降低你两身份的。:handshake 本帖最后由 hcharlie 于 2013-4-29 14:42 编辑
本来很简单的东西，让这些搞研究的人给糟踏了。
我问了很多人，如果不拿着书本，没有人能随口说出是怎么回事，更不要提该怎么求，用在什么时候，优缺点是什么。
首先，公式的推倒有些外文资料本身有问题，我怀疑是不是英国那些家伙就没搞清楚。
时域信号--->相关函数--(FFT变换)-->功率谱--(除以频率分辨率)-->功率谱密度，这叫做间接求法，可以抑制白噪声，或者通俗的说不规律信号，分析的点数越多，规律信号的信噪比越好。
时域信号--(FFT变换)-->幅度谱--(平方)-->功率谱，这叫直接求法，最好不要用，除非你就想分析噪声有多大。分析的具体值和间接法不一样大，就这一点就说明很不严禁，有毛病，还TMD写到GJB里面。
很多人将功率谱认为是功率谱密度，所以PSD求错了就对了，求对了你的纵坐标就有问题，所以我建议删除PSD这个概念，不知道谁管这个事。
请明查 时域信号--(FFT变换)-->幅度谱--(平方)-->功率谱，这叫直接求法，最好不要用，除非你就想分析噪声有多大。分析的具体值和间接法不一样大，就这一点就说明很不严禁，有毛病，还TMD写到GJB里面。 本帖最后由 VibInfo 于 2016-5-17 13:12 编辑
原帖由 马社 于 2007-6-27 07:09 发表
时域信号--(FFT变换)-->幅度谱--(平方)-->功率谱，这叫直接求法，最好不要用，除非你就想分析噪声有多大。分析的具体值和间接法不一样大，就这一点就说明很不严禁，有毛病，还TMD写到GJB里面。
有时间的话，你可以把这个问题好好说一下，发出来，让大家重新认识！
回复 #21 马社 的帖子
我不太懂 但我总觉的功率谱应该和频率分辨率有点关系请大虾再细讲一下
回复 #20 马社 的帖子
对于你的解释功率谱/频率分辨率=功率谱密度
也就是说功率谱与功率谱密度两个不同概念的说法，恕本人阅历不够，不论从外文还是国内文献书籍中都没有看到它们之间如你所说的区别
一般来讲，信号x(t)并不一定满足绝对可积的条件，可能是所谓能量无限大信号，因此其傅立叶变换并不一定存在，但可以去研究它在整个实数区间的平均功率，这个平均功率的傅立叶变换，即所谓功率谱密度是存在的，因为功率谱密度（功率谱）表示单位频带内信号功率随频率分布的情况，功率谱密度（功率谱）所覆盖的面积在数值上就等于信号的总功率。
就如马社兄所言，如果功率谱有【时域信号--(FFT变换)-->幅度谱--(平方)-->功率谱】这样的定义，它不是与总功率有同等地位了，那么为什么要给出把功率谱密度和功率谱不同解释，我想看看马社兄所提及的英文文献，（是不是作者搞混了）
总之，看过很多定义和描述功率谱密度就是简称功率谱。:handshake 不能绝对可积是因为傅立叶变换要积分整个时间区间才能计算，如果时间轴无穷大，规律信号（比如sin cos）的积分就会无穷大，变换不了。
谱密度是能量在频率域上的密度，可用来简便求取信号均方根值（RMS），积分功率谱密度图形的面积再开方就是这个频段的RMS值，为了搞这个东西把很多人搞的糊里糊涂，所以我建议删除功率谱密度这一说法。
很多地方把功率谱叫做功率谱密度，这时候就有很多人不明白/Hz是啥意思，实际作者也不懂，但是这时候的PSD图形就当功率谱用，没问题的。
这个问题看书没有用，写清楚的书很少，清华有本书两处说的还不一样。只有在现实的仪器上测量计算才能搞清楚。
请明查 还 是没有看懂，不明白，有没有资料说明，可否看看？？？ 采样点是不是必须是２的ｎ次方？
回复 #27 sssssxxxxx921 的帖子
作fft分析，如果是以2为基低的则如你所讲，但如果以4，8，16为基低则采样点应分别为4，8，16的n次方，并且以4，8，16为基低的算法速度更快，但算法变得更加复杂:handshake 只是FFT要求点数是 ２的ｎ次方，并没有其它原因；如果不够２的ｎ次方，FFT程序就自动补0，你想这样算出来的值就比真实值小一些。