Un spectre de puissance montre la distribution de l'énergie dans une série de temps par rapport à son domaine de fréquence. Comme une série temporelle peut contenir de manière irrégulière des périodes de signal échantillonné, le spectre de puissance est généralement considéré comme continu, ce qui nécessite une représentation des valeurs de fréquence qui soit proportionnelle à son intervalle de fréquence. Afin d'éliminer cette dépendance sur l'intervalle, le spectre de puissance peut être normalisée pour représenter sa densité spectrale de puissance, ou PSD.
Qu'est-ce que PSD?
Le PSD est défini comme la mesure de la puissance du signal d'un spectre pour chaque unité dans sa bande passante, mesurée en volts d'entraînement d'une charge de 1 ohm, ou V ^ 2 / Hz. Si la valeur de votre PSD est représente en format de décibels (dB), l'unité pour les changements PSD à dB ref V / sqrt (Hz). Afin de calculer le PSD d'une série de temps, vous devez vous assurer de convertir vos unités à quelque unité que vous mesurez pour cette période.
Parametric vs. méthodes non paramétriques
Les deux principales méthodes d'estimation PSD sont paramétriques et non paramétriques. méthodes paramétriques impliquent l'utilisation de modèles paramétriques d'une série de temps sur la base d'une série de nombres finis, en utilisant réunis pour former un seul vecteur. Ces méthodes prennent pour acquis que la série temporelle fait partie d'un système linéaire qui peut être mesuré en réponse à un bruit blanc. Afin d'estimer un PSD en utilisant des méthodes paramétriques, vous aurez besoin de rassembler les paramètres du modèle de la série, qui reflète le comportement du système contenu.
Méthodes non paramétriques
méthodes non paramétriques sont basés sur une série chronologique qui sont considérés comme infini, et donc ne nécessite pas de rassembler les paramètres ou un modèle du système avant de procéder. Ces méthodes sont basées sur la place d'un processus appelé fenêtrage de données, où une sélection de données est utilisé à la place de l'ensemble du système. Cela se traduit par une légère déformation des résultats, en raison de l'échantillon contraint, mais permet également la période d'estimation pour éviter les pics où les données vont bien au-delà de son comportement attendu.
Exemples de méthodes non paramétriques
méthodes non paramétriques sont basées sur la transformée de Fourier discrète, ce qui est un algorithme conçu pour transformer des échantillons d'une période de temps dans le domaine des fréquences. Il est couramment utilisé pour l'analyse spectrale, les télécommunications, l'acoustique, l'imagerie médicale et ainsi de suite. Des exemples courants de méthodes non paramétriques comprennent la méthode de périodogramme (qui est la plus courante), la méthode Welch (qui divise ses séquences en séquences) et Capon (qui utilise la puissance de sortie par l'intermédiaire d'un filtre passe-bande pour limiter la réponse).