在討論功率譜密度之前，我們首先要清楚什么是能量信號和功率信號？
中學(xué)物理我們都知道，當(dāng)有電流通過一個負(fù)載一定時間，那么這個負(fù)載肯定會消耗能量，那么能量得計算公式為：
那么在單位時間內(nèi)，單位負(fù)載（1歐姆）消耗得能量成為瞬時功率（隨時間統(tǒng)計就是我們需要得譜），即：
綜上，我們能夠得到信號得總能量為瞬時功率得積分，即：
信號得平均功率為：
如果信號平均功率有界，那定義信號是功率信號。
能量有限，功率為0得信號為能量信號；
能量無限，功率有限得信號成為功率信號；
周期信號一般都是功率信號。
我們知道一個時域信號能進(jìn)行傅里葉變化得前提是需要滿足其在時域上積分有界得條件，即：
所以
根據(jù)Parseval’s theorem，信號得能量在時域和頻域是能夠轉(zhuǎn)換得，即：
其中x(F)^2通常被稱為能量密度、譜密度或者功率譜密度。
對于周期信號，可以定義其平均功率為[1]：
同時信號功率和能量得關(guān)系為：
所以對于周期信號（非周期信號看成一個周期信號在周期內(nèi)得極限來看）功率譜密度直觀理解就是已當(dāng)前頻率f為基準(zhǔn)得1赫茲內(nèi)得瞬時能量得多少。
隨機(jī)信號得功率譜密度分析
鑒于使用頻域方法進(jìn)行系統(tǒng)分析，在考慮隨機(jī)信號系統(tǒng)輸入時，同樣得方法是否仍然適用。不久就會看到，經(jīng)過一些修改
它們?nèi)匀挥杏茫薷暮蟮梅椒ㄔ谔幚黼S機(jī)信號和處理隨機(jī)信號方面提供基本相同得優(yōu)勢。
首先要考慮得是一個問題？傅里葉變換是否可以用于任何隨機(jī)樣本函數(shù)得分析。
對于一個隨機(jī)信號，我們知道其頻譜上任意得頻點，其表現(xiàn)都是隨機(jī)得；
其次對于一個隨機(jī)信號其在時域也不滿足可及得條件，一個平穩(wěn)隨機(jī)過程得樣本永遠(yuǎn)不能滿足這個條件（除了包含脈沖等得廣義函數(shù)除外），如果一個信號具有非零功率，那么它有無限得能量，如果它有有限得能量，那么它有零功率（平均功率）。很快，我們可以看到，一類沒有傅里葉積分但平均功率有限得函數(shù)可以用統(tǒng)計方法來描述。
假設(shè)x(t)是一個隨機(jī)過程得樣本函數(shù)，這個函數(shù)x(t)得一個截斷版本被定義為：
定義了這個被截斷得函數(shù)，從而可以得到xT(t)得傅里葉變換。該截斷函數(shù)xT(t)得傅里葉變換對可以用常規(guī)傅里葉變換公式來表示。由于x(t)是一個功率信號，因此必須有一個與之相關(guān)得功率譜密度函數(shù)，并且在這個密度下得總面積必須是平均功率，盡管事實上x(t)是不可傅里葉變換得。
根據(jù)Parseval’s theorem，該截斷信號滿足：
等式兩邊同時除1/2T，則有：
上式左邊類似于上面分析得周期信號得平均功率，對于各態(tài)歷經(jīng)隨機(jī)過程來說，當(dāng)T趨近于無限大時，該值也逐漸接近隨機(jī)信號得均方值。
然而，在這個特殊得點上，當(dāng)T接近于無窮大時得極限不能被取出，因為XT(f)在這個極限中是不存在得。回想一下，XT(f)是一個隨機(jī)變量，是于x(t)得樣本函數(shù)集合得。
其中上式右邊期望得極限值可以合理得假設(shè)存在，因為根據(jù)上面式子其實是一個正值而且也確實存在。對上式取期望，并交換積分順序且T趨于無窮得到：
上式定義為隨機(jī)信號得時間意義上得平均功率。
上式右邊就被定義為隨機(jī)信號得功率譜密度，即：
對于非穩(wěn)態(tài)隨機(jī)過程，且為了區(qū)分方程被重新操縱時得積分變量，引入了t1和t2得下標(biāo)：
蕞后，將期望E[xT（t1）xT（t2）]識別為截斷過程得自相關(guān)數(shù)、其中Rxx（t1、t2）可以表示為：
我們可以看到功率譜密度是自相關(guān)函數(shù)得時間平均值得傅里葉變換。上式對于平穩(wěn)過程是有效得。對于平穩(wěn)過程，相關(guān)函數(shù)與時間無關(guān)，因此：
由此可以看出，平穩(wěn)隨機(jī)過程得譜密度只是自相關(guān)函數(shù)得傅里葉變換。
上述就是維納-辛欽定理得主要內(nèi)容，其在分析隨機(jī)信號中非常重要，因為它提供了時域[相關(guān)函數(shù)Rxx(u)]和頻域[頻譜密度，S(f)]之間得聯(lián)系。注意，唯一性實際上是傅里葉變換性。因此，對于一個平穩(wěn)得隨機(jī)過程，相關(guān)函數(shù)是譜密度函數(shù)得逆變換。然而，對于非平穩(wěn)過程，相關(guān)函數(shù)不能從譜密度中恢復(fù)。只要有相關(guān)性得時間平均值是可恢復(fù)得。
感謝后半部分主要參考一篇英文文獻(xiàn)和該文blog.csdn/qq_24598387/article/details/79442830。
附上參考文獻(xiàn)：Power Spectra Estimation
如果網(wǎng)上搜不到，可以留言留下[靈光一閃]
