功率谱密度（Power Spectral Density, PSD）

1. 功率谱密度（PSD）是什么？

功率谱密度（PSD, $G_X(f)$）描述的是一个随机信号在频率域的能量分布情况。对于宽平稳随机过程（WSS）来说，PSD 是通过自相关函数的傅里叶变换得到的。公式为：
$$G_X(f)=\mathcal{F}[R_X(t)]$$
其中，$R_X(t)$ 是信号的自相关函数，$G_X(f)$ 是功率谱密度，表示在频率 $f$ 处的功率分布。

与确定性信号（如正弦波等）不同，随机信号没有明确的频谱线，因此我们用功率谱密度来描述随机信号的频率特性。

2. 确定性信号 vs 随机信号的频谱

• 对于确定性信号，频谱是通过对信号本身进行傅里叶变换得到的，描述的是信号在不同频率下的振幅和相位。

• 对于随机信号（比如宽平稳随机过程），功率谱密度是通过对自相关函数的傅里叶变换得到的，表示信号在频率域上的功率分布。

3. PSD 的重要性质

在你提到的段落中，列出了功率谱密度 $G_X(f)$ 的几个重要性质。对于宽平稳随机过程，功率谱密度 $G_X(f)$ 有以下性质：

1. $G_X(f)$ 是偶对称的：即
   $$G_X(f)=G_X(-f)$$
   这意味着功率谱在正负频率处是对称的。功率谱描述的是信号的能量分布，而信号的频率特性在正负频率上是相同的。

2. $G_X(f)$ 是实数且对所有频率 $f$ 都是非负的：
   $$G_X(f)\ge 0$$
   功率谱密度表示的是功率分布，因此它一定是非负的（功率不能是负的）。同时，功率谱密度是实数，表示实际的功率值。

3. ${\int }_{-\infty }^{\infty }{G}_X(f)df=E[X^2(t)]$：
   这个性质表明功率谱密度的积分等于信号在时间域上的总功率（即信号的能量）。信号的方差 $E[X^2(t)]$ 代表的是信号的总功率，而根据 Parseval 定理，信号在频率域上的能量等于它在时间域上的能量。因此：
   $${\int }_{-\infty }^{\infty }{G}_X(f)df=E[X^2(t)]$$
   这个公式表明，功率谱密度的总和（即在所有频率上的积分）给出了信号的总功率。

4. 具体解释

• $G_X(f)$ 是偶对称的：这意味着频率谱在正频率和负频率上是对称的。对于一个实值随机信号，其正负频率成分是镜像对称的，所以功率谱也是偶函数。

• $G_X(f)$ 是非负的且为实数：因为功率描述的是信号的能量，而能量必然是非负的，所以功率谱密度也是非负数。它还必须是实数，因为功率是一个实际的物理量。

• 功率谱密度的积分等于信号的方差：信号的总功率等于信号在时间上的方差，而功率谱密度的积分描述了频率域中的总能量。这是 Parseval 定理在随机过程中的一个应用。

5. 总结

功率谱密度 $G_X(f)$ 是描述随机信号在频率域上能量分布的重要工具。它有以下几个关键性质：

• $G_X(f)$ 是偶对称的（即正负频率处的功率是相同的）。
• $G_X(f)$ 对于所有频率 $f$ 来说都是非负的，且是实数。
• 功率谱密度的积分等于信号的方差 $E[X^2(t)]$，即信号的总功率。