1) signal power spectrum
信号功率谱
1.
The mathematical expression of the signal power spectrum for 40 Gb/s Gauss pulse signal with the effect of first-order PMD is given,and the effects of pulse waveform,splitting ratio,monitor frequency,and differential group delay (DGD) on the receiver signal power spectrum are analyzed.
首先给出了受一阶偏振模色散(PMD)影响的40 Gbit/s高斯脉冲信号功率谱的数学表达式,并分析了脉冲波形、分光比、监测频率以及差分群延时(DGD)对接收信号功率谱的影响。
2) Signal power density spectrum
信号功率密度谱
4) Weak-stationary random signal power
弱平稳随机信号功率谱
5) Power Signal
功率信号
1.
Tool wear model is presented by firstly extracting power signal eigenvalue through tool wear analysis of special spiral rod milling,and then establishing the mapping between the signal eignevalue and the tool wear value.
通过对异形螺杆加工过程刀具磨损状态的分析,提取了能够反映刀具磨损状态的功率信号特征值,并建立了信号特征值与刀具磨损量之间的映射关系,从而得到刀具磨损模型。
2.
The effect of tool wear and breakage on the feature of power signal in time and frequency domain is studied based on a large amount of experiments, and it is indicated that there is a good relationship between tool condition and power consumption or magnitude at the spindle rotation frequency.
通过大量试验，研究了刀具磨损、破损对功率信号时域和频域特性的影响。
3.
The acoustic emission signal and the power signal of grinding wheel motor will change when wheel is dulled or broken in grinding process.
利用声发射 (AE)传感器和功率传感器为信号源 ,固定时间间隔内的声发射信号幅值增量累加及砂轮碰撞破碎时电机功率信号的陡变为砂轮状态识别的特征值 ,应用BP神经网络建立信号特征值与砂轮状态之间的非线性关系模型 ,可以为小批量、多品种产品磨削加工中砂轮状态的智能化在线监测提供准确有效的途径·测试结果证明了该系统的可行性 ,为磨削加工实现智能控制奠定了基础 ,并能为砂轮修整确定最佳的周
6) Signal power
信号功率
1.
After software simulation,we find that the algorithm is not only easy to be realized,but also efficient to help detect the period of useful signal even when the noise power is larger than periodic signal power.
通过软件仿真,发现该算法实用有效,而且可以在噪声功率大于周期信号功率的情况下有效分辩出有用信号的周期。
2.
The factors to influence the signal power, such as the size of target, the parameters of water and the angles of incidence etc.
在充分考虑各光程间差异的情况下,推导出水下探测条件下平面目标的回波信号功率方程,并对目标大小、水质参数及激光入射角等因素对信号功率的影响进行仿真分析。
补充资料：功率谱密度估计
随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。平稳随机信号x(t)的（自）功率谱Sxx(ω)定义为
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条