现代信号分析中,对于常见的具有各态历经的平稳随机信号,不可能用清楚的数学关系式来描述,但可以利用给定的N个样本数据估计一个平稳随机信号的功率谱密度叫做功率谱估计(PSD)。它是数字信号处理的重要研究内容之一。功率谱估计可以分为经典功率谱估计(非参数估计)和现代功率谱估计(参数估计)。功率谱估计在实际工程中有重要应用价值,如在语音信号识别、雷达杂波分析、波达方向估计、地震勘探信号处理、水声信号处理、系统辨识中非线性系统识别、物理光学中透镜干涉、流体力学的内波分析、太阳黑子活动周期研究等许多领域,发

针对在无线电监测和认知无线电系统中,信号参数估计这一重要问题,证明了OFDM信号具有循环平稳性的必要条件是加循环前缀或有非矩形脉冲成型,并以线性周期时变变换(LPTV)模型为基础,推导了OFDM信号的循环谱表达式-For radio monitoring and cognitive radio systems, signal parameter estimation of this important issue, the necessary condition for the OFDM sig

实验一 双极性矩形随机信号的归一化功率谱密度一 1.1 功率谱密度简介 平稳过程的任何一个非零样本函数的持续时间为无限长，显然都不满足绝对可积和总能量有限的条件。因此，它的傅里叶变换不存在即没有频谱函数。所以我们用功率谱密度来表述其频谱特性。 随机过程的任一实现是一个确定的功率型信号。而对于任意的确定功率信号f(t)，它的功率谱密度为： 式中， 是f(t)的截短函数 对应的频谱函数。f(t)是平稳随机过程 的一个实现。而随机过程某一个实现的功率谱密度不能作为过程的功率谱密

该算法适用于各种非线性，非平稳的信号，对于数据的分析较透彻。(The algorithm is suitable for various non-linear and non-stationary signals, and the data analysis is more thorough.)