功率谱密度

1、信号能量与功率

对于一个连续时间信号$x(t)$来说，在$t_1\le t\le t_2$的总能量可以定义为：
$$E_{t_1{t}_2}={\int }_{t_1}^{t_2}|x(t){|}^{2}dt$$
对于一个离散时间信号$x[n]$来说，在$n_1\le n\le n_2$的总能量可以定义为：
$$E_{n_1{n}_2}=\sum _{n=n_1}^{n_2}|x[n]{|}^2$$
对于一个连续时间信号$x(t)$来说，在$t_1\le t\le t_2$的平均功率可以定义为：
$$P_{t_1{t}_2}=\frac{1}{t_2-t_1}{\int }_{t_1}^{t_2}|x(t){|}^{2}dt$$
对于一个离散时间信号$x[n]$来说，在$n_1\le n\le n_2$的平均功率可以定义为：
$$P_{n_1{n}_2}=\frac{1}{n_2-n_1}\sum _{n=n_1}^{n_2}|x[n]{|}^2$$

2、功率谱密度的定义

定义：单位频带内的“功率”（均方值），它描述随机信号在平均意义上的功率谱特性。

2.1、帕萨瓦尔（Parseval）定理

帕萨瓦尔定理指出，一个信号所含有的能量（功率）恒等于此信号在完备正交函数集中各分量能量（功率）之和。它表明信号在时域的总能量等于信号在频域的总能量，即信号经傅里叶变换后其总能量保持不变，符合能量守恒定律。即
$${\int }_{-\infty }^{\infty }{f}^2(x)dx=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }|F(\omega ){|}^{2}d\omega ={\int }_{-\infty }^{\infty }|X(j2\pi f){|}^{2}df$$
其中$F(\omega )=X(j\omega )$是$f(x)$的傅里叶变换。

2.2 功率谱密度

从连续信号$f(t)$中截取$|t|\le T/2$的一段，得到一个函数，它可以表示为：
$$f_T(t)=\{\begin{array}{r}f(t)(|t|\le \frac{T}{2})\\ 0(|t|>\frac{T}{2})\end{array}$$
$f_T(t)$的能量$E_T$可表示为：
$$E_T={\int }_{-\infty }^{\infty }{f}_T^2(t)dt={\int }_{-T/2}^{T/2}{f}^2(t)dt=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }|F_T(\omega ){|}^{2}d\omega$$
所以$f(t)$的平均功率为：
$$P=\underset{T\to \infty }{\lim }{\int }_{-T/2}^{T/2}\frac{1}{T}{f}^2(t)dt=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }\underset{T\to \infty }{\lim }\frac{1}{T}|F_T(\omega ){|}^{2}d\omega$$
当$T$增加时，能量也在增加。当$T\to \infty$时，$f_T(t)\to f(t)$，此时$\frac{1}{T}|F_T(\omega ){|}^2$极限可能是存在的。假设此极限存在，定义它为$f(t)$的功率谱密度函数（功率谱），记作$P(\omega )$。即$f(t)$的功率谱为：
$$P(\omega )=\underset{T\to \infty }{\lim }\frac{|F_T(\omega ){|}^2}{T}(ra{d}^2/hz)$$
因此$f(t)$的平均功率为：
$$P=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }P(\omega )d\omega$$
可以看出功率谱密度是反映单位频带内信号功率随频率的变化情况，也就是信号功率在频域内的分布情况。

参考文章

1、信号能量与功率
2、功率谱密度学习笔记