Espectro de Potencia Estimación Técnicas

Un espectro de potencia demuestra la distribución de energía en una serie de tiempo en relación con su dominio de la frecuencia . Como una serie de tiempo podría contener irregular períodos de señal muestreada , el espectro de potencia se considera generalmente continuo , que requiere una representación de los valores de frecuencia que es proporcional a su intervalo de frecuencia. Con el fin de eliminar que la dependencia del intervalo, el espectro de potencia se puede normalizar para representar su densidad espectral de potencia , o PSD . ¿Qué es PSD ?

PSD se define como la medición de la potencia de la señal de un espectro por cada unidad en su ancho de banda , medido en voltios de conducción una alimentación de 1 ohmio, o V ^ 2 /Hz . Si su valor es PSD representan en formato de decibelios ( dB ) , la unidad de los cambios PSD a dB ref V /sqrt ( Hz ) . Para el cálculo de la PSD de una serie de tiempo , usted tendrá que asegurarse de convertir sus unidades a cualquier unidad que se está midiendo para ese tramo .
Paramétrico vs Métodos no paramétricos

Los dos principales métodos de estimación PSD son paramétricas y no paramétricas . Métodos paramétricos involucran el uso de modelos paramétricos de una serie de tiempo sobre la base de una serie de números finitos , utilizando reunieron para formar un solo vector . Estos métodos dan por sentado que la serie de tiempo es parte de un sistema lineal que se puede medir en respuesta al ruido blanco . Con el fin de estimar un PSD utilizando métodos paramétricos , que tendrá que reunir los parámetros del modelo de la serie, que refleja el comportamiento del sistema contenida .
Métodos no paramétricos

Finite vs Sistemas infinitas.

métodos no paramétricos se basan en una serie de tiempo que se considera infinito, y por lo tanto no requieren que reunir los parámetros o un modelo del sistema antes de proceder. Estos métodos se basan en lugar de un proceso llamado de ventanas de datos, donde se utiliza una selección de datos en lugar de todo el sistema . Esto se traduce en una ligera distorsión de los resultados , debido a la muestra restringida , sino que también permite el período de estimación para evitar picos en los datos va mucho fuera de su comportamiento esperado .

Ejemplos de Métodos no paramétricos

métodos no paramétricos se basan en la transformada discreta de Fourier , que es un algoritmo diseñado para transformar las muestras de un período de tiempo en su dominio de la frecuencia . Es comúnmente usado para el análisis espectral , las telecomunicaciones , la acústica , imágenes médicas y así sucesivamente . Ejemplos comunes de los métodos no paramétricos incluyen el método periodograma (que es el más común) , el método de Welch (que divide sus secuencias en subsecuencias ) y el método de Capon (que utiliza la potencia de salida a través de un filtro de paso de banda para limitar la respuesta ) .