1) noise-voltage-spectrum
噪声电压谱密度
2) noise spectral density
噪声谱密度
1.
Based on digital PLL synthesizer analysis model, the phase noise spectral density,the major factor affect phase noise and some ideas to improve the performance of phase noise in digital PLL synthesizer are presented finally.
首先对频率源相位噪声的原理及其表征进行了简要的阐述 ,然后从数字锁相环频率源的分析模型出发 ,对其相位噪声谱密度进行了推导 ,同时分析了影响相位噪声的各项主要因素 ,最后提出了提高数字锁相环频率源相位噪声性能的一些方法。
3) spectral density of equivalent input noise voltage
等效输入噪声电压谱密度
1.
In this paper, an approach to extract the E\-n-I\-n Noise matrix parameters of bipolar operational amplifier(op-am) is developed by describing the spectral density of equivalent input noise voltage of in-phase amplifier.
本文通过描述同相放大器等效输入噪声电压谱密度 E2ni,导出了一种双极型运放 En- In 噪声矩阵参数的提取方法。
4) noise power density spectrum
噪声功率密度谱
1.
Based on quantum theory of light, the noise power density spectrum and its timespectrum formula of the intensity fluctuation of a two-mode laser are derived.
采用光场的量子理论导出了自由运转双模激光场强度起伏的噪声功率密度谱及其时谱公式，重点分析讨论了双模激光场的量子统计特性及其拍频噪声的时谱特性和频率调谐特性。
5) noise current spectrum density
噪音电流谱密度
6) equivalent input current noise spectral density
等效输入噪声电流谱密度
1.
Testing results indicate: the single-end trans-impedance gain is 78 dB·Ω, the -3 dB bandwidth is beyond 300 MHz, the equivalent input current noise spectral density at 100 MHz is 6.
测试结果表明单端跨阻增益高达78dB·Ω,-3dB带宽超过300MHz,100MHz处的等效输入噪声电流谱密度低至6。
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