1) Product spectral density
积谱密度
2) quadrature spectral density
求积分谱密度
3) spectral density
光谱密度，谱密度
5) spectral density
谱密度
1.
The sufficient conditions for weak consistent estimate of spectral density;
谱密度弱一致估计的若干充分条件
2.
The spectral density function was used to distinguish the main frequency components of each indicator.
在建立房地产市场供给类和需求类指标体系的基础上,通过因子分析提取主成分,进而确定两类合成指标;利用谱密度函数来分析合成指标的各主要频率分量,根据谱峰值对合成指标分别进行周期识别。
3.
With this model, the amplitude and power spectral density(PSD) of vehicle dynamic load were calculated, the amplitude factor and PSD of acceleration were analyzed, the vibration characteristics of vehicle were evaluated, the relations of dynamic load with ride safety, acceleration and vibration comfort were discussed.
基于人 车 路相互作用建立了简化的三质量车辆模型,运用叠加法计算了车辆动载荷的幅频特性与功率谱密度、加速度放大因子与加速度谱,利用所建的简化车辆模型对车辆的振动特性进行了评价,研究了车辆载荷与行驶安全性、加速度与振动舒适性的关系。
6) Spectrum density
谱密度
1.
Spectrum density of signal in time domain was evaluated through Fourier transform.
通过蒙特卡罗方法得出高斯随机过程的相位概率分布类型,运用傅立叶变换进行时域信号的谱密度估计。
2.
To avoid cross spectrum density of each input when calculating spectrum density of system output, multi input excitation in six wheelset were converted to single input excitations by making use of the time delay between the input excitations in wheelsets, making the system a linear system with single input multi output.
为避免在计算系统输出谱密度时计及各个输入的互谱密度,利用机车中各轮对处输入激励之间存在着确定时延的关系,将6个轮对处的多输入激励换算成单输入激励,使系统成为单输入多输出线性系统。
3.
Thus the spectrum density .
该方法首先在时域进行全程分析,得到相关系数平稳过程的均值函数、方差函数和相关系数函数,然后可以对其进行傅里叶变换、短时傅里叶变换或小波变换,给出相关系数平稳过程的谱密度,同时提出了随机项谱密度和趋势项谱密度的概念。
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