经典谱估计

        从能量的角度分类，信号分为能量信号、功率信号和其他信号。能量信号指信号平方关于时间的积分有限。功率信号指信号平方关于时间的积分无限，但是其平均功率有限。周期信号就是典型的功率信号。还有一些信号持续时间无限，功率也无限的信号这里不讨论。

        理论上，对于一个确定性信号，我们能求出其傅里叶变换，根据帕塞瓦尔公式就可以计算其功率分布。

        在离散时间信号处理中，我们运用DTFT将信号从时域转到频域，同样的将X（ω ）平方项认为是能量谱。这里的能量谱就有意思了，它具有2pi的周期性。对于确知的能量信号还有相关函数的性质（原谅我比较懒）

注释：这里是针对复信号求自相关函数，结论是确知信号的自相关函数的傅里叶变换是功率谱密度。

        在实际的信号处理过程中，我们得到的一定是随机信号。随机信号没有傅里叶变换，我们不能直接套用帕塞瓦尔公式。对于随机信号的功率谱，直接上结论：

结论一： 

结论二：随机信号的功率谱是自相关函数的时间平均的傅里叶变换。

        推导暂不详解。对于结论二，平稳随机信号的自相关函数只和时间差有关，和时间无关，这样可以得到推论：平稳随机信号的功率谱是自相关函数的傅里叶变换（维纳辛钦定理）。

        以上给出的公式都是理论求解，在实际操作的过程中，我们的数据都是有限的。因此我们要根据有限的数据估计功率谱密度。通过结论一和结论二，我们可以总结出两种估计功率谱的方法。第一种是对序列求自相关函数，然后对自相关函数做FFT。第二种是对序列直接做FFT，然后平方除以点数N。这两种方法就是经典谱估计方法，前者叫做相关图谱估计法，后者叫做周期图谱估计法。