功率谱与功率谱密度：概念、计算与应用详解

1. 功率谱与功率谱密度基础概念解析

在信号处理领域，功率谱（Power Spectrum, PS）和功率谱密度（Power Spectral Density, PSD）是两个核心概念。它们虽然经常被混为一谈，但实际上有着明确的区别。功率谱描述的是信号功率在离散频率点上的分布情况，而功率谱密度则反映信号功率在连续频率范围内的分布密度。

举个生活中的例子，想象我们测量一个房间内不同位置的光照强度。如果只在几个固定点测量（如四个角落和中心点），得到的就是类似功率谱的离散数据；如果沿着墙面连续测量每厘米的光照强度，得到的就是类似功率谱密度的连续数据。

1.1 数学定义与物理意义

对于离散信号x[n]，其功率谱的计算公式为：
PS(k) = |X(k)|²/N
其中X(k)是信号的N点DFT变换结果，k=0,1,...,N-1。

功率谱密度的计算公式则为：
PSD(k) = PS(k)/Δf = |X(k)|²/(N·fs)
这里fs是采样频率，Δf=fs/N是频率分辨率。

在实际工程中，我经常遇到的一个误区是混淆两者的单位。功率谱的单位是信号幅值的平方（如V²），而功率谱密度的单位是信号幅值平方每赫兹（如V²/Hz）。这个区别在涉及带宽计算时尤为重要。

注意：对于随机信号，由于理论上其能量无限，傅里叶变换不收敛，因此通常只能计算其功率谱密度，而不能计算功率谱。

2. DFT与Periodogram原理详解

2.1 离散傅里叶变换的核心作用

离散傅里叶变换（DFT）是将时域信号转换到频域的基础工具。在实际应用中，我们通常使用快速傅里叶变换（FFT）算法来高效计算DFT。Matlab中的fft函数就是基于这种算法实现的。

DFT的计算公式为：
X(k) = Σ_{n=0}^{N-1} x[n]·e^

这里有一个关键点经常被忽视：DFT的结果X(k)是复数，包含幅度和相位信息。而功率谱计算中我们只关心幅度信息，因此需要对DFT结果取模平方。

2.2 Periodogram方法的实现步骤

Periodogram是最基础的功率谱估计方法，其实现步骤如下：

1. 对信号x[n]进行N点DFT变换，得到X(k)
2. 计算每个频率点的功率：P(k) = |X(k)|²
3. 对功率进行归一化：PS