1. 功率谱密度(PSD)是什么?
功率谱密度(PSD,
G
X
(
f
)
G_X(f)
GX(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
)
=
F
[
R
X
(
t
)
]
G_X(f) = \mathcal{F}[R_X(t)]
GX(f)=F[RX(t)]
其中,
R
X
(
t
)
R_X(t)
RX(t) 是信号的自相关函数,
G
X
(
f
)
G_X(f)
GX(f) 是功率谱密度,表示在频率
f
f
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 ) G_X(f) GX(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 ) G_X(f) GX(f) 有以下性质:
-
G X ( f ) G_X(f) GX(f) 是偶对称的:即
G X ( f ) = G X ( − f ) G_X(f) = G_X(-f) GX(f)=GX(−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。 -
G X ( f ) G_X(f) GX(f) 是实数且对所有频率 f f f 都是非负的:
G X ( f ) ≥ 0 G_X(f) \geq 0 GX(f)≥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。 -
∫ − ∞ ∞ G X ( f ) d f = E [ X 2 ( t ) ] \int_{-\infty}^{\infty} G_X(f) df = E[X^2(t)] ∫−∞∞GX(f)df=E[X2(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 ) ] E[X^2(t)] E[X2(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:
∫ − ∞ ∞ G X ( f ) d f = E [ X 2 ( t ) ] \int_{-\infty}^{\infty} G_X(f) df = E[X^2(t)] ∫−∞∞GX(f)df=E[X2(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 ) G_X(f) GX(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 ) G_X(f) GX(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 ) G_X(f) GX(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 ) G_X(f) GX(f) 是偶对称的(即正负频率处的功率是相同的)。
- G X ( f ) G_X(f) GX(f) 对于所有频率 f f 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 ) ] E[X^2(t)] E[X2(t)],即信号的总功率。