首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >使用FFT方法的PSD单元是什么

使用FFT方法的PSD单元是什么
EN

Stack Overflow用户
提问于 2013-03-07 02:54:35
回答 2查看 23.1K关注 0票数 11

我只是在做时域信号的功率谱密度分析。我遵循中描述的fft方法:

http://www.mathworks.com/support/tech-notes/1700/1702.html

它给出了PSD的真实物理单位。然而,单位是“功率”,意思是"V^2/Hz“吗?

如果我取10*log10(电源)或10*log10(V^2/Hz),我得到的单位是"dB/Hz“吗?

那我怎么把它转换成dBm/MHz呢?

EN

回答 2

Stack Overflow用户

发布于 2013-03-07 03:16:54

这取决于你的时间序列的单位。通常我们认为这只是“振幅”,但如果你的时序是电压振幅与时间的一系列,那么你的功率谱密度估计将是Volts^2/Hz。这是因为功率谱密度是原始信号的自相关的傅里叶变换:自相关具有Volts^2单位,通过傅立叶变换运行它会在频率上而不是在时间上分解这些单位,从而产生Volts^2/Hz单位。这通常被称为Watts/Hz,但是像W = V^2/R一样,从Volts^2Watts的转换在物理上没有多大意义。

10*log10(power)将产生一个dB/Hz单位,但请记住,分贝始终是两个功率级别之间的比较;您正在量化功率比率。分贝的更好的定义是10*log10(P1/P0)as explained here。如果您简单地将PSD bin估计值插入到此等式中,您就是将PSD bin设置为P1,并隐式地将其与P0值1进行比较。这可能是您想要的,也可能不是。出于可视化的目的,这是相当典型的,但是如果您有一个应该与之比较的标准参考功率,那么您应该将其用于P0

假设您正在尝试绘制dB功率谱密度估计,要从Hz转换为MHz,只需重新缩放频率图的x轴。请记住,MHz的频率只有100万Hz,因此唯一的区别是240000Hz = 0.24MHz

mtrw提出的观点是非常有效的;如果你正在处理大量数据,并且正在平均向量,我强烈建议使用Multitaper method;这是一种更可靠的统计方法,可以牺牲频率分辨率来获得对PSD估计的更大置信度。

票数 25
EN

Stack Overflow用户

发布于 2021-11-25 22:50:54

如果您的PSD为W/Hz,即100 W/Hz,则您的PSD为50 dBm/Hz。dB/Hz或通常含糊地用来代替dBm/Hz。Audacity使用dB作为dBFS的缩写(不是dBFS/Hz,因为它正在计算DFT,并且离散频率使用功率谱而不是密度)。达到最大电平50%的数字信号的幅度为−6 dBFS,这比满标度低6 dB -消除了最高有效位,因此产生了6dB/位图(因为50%的最大电平是最大功率的25%;1/4 =- 6dB)

dBm是功率相对于1 1mW的对数比率,您将功率除以1 1mW得到无单位比率,然后取对数得到dB单位,在这种情况下,更有意义的是澄清为dBm。

dBc/Hz是载波功率的比率,这是两个dBm/Hz值的比率,这意味着您将它们相减,得到dBc/Hz;如果您将W中的两个线性功率电平相除,然后将比率转换为dB (或者更确切地说,dBc),则得到相同的结果。

dB-Hz是带宽相对于1 Hz的对数度量,

dBJ是对1焦耳的对数比率的光谱密度的度量,因为W/Hz实际上是J。

功率谱密度是一个密度函数,所以你需要对它进行积分来得到实际的量,比如V/m电场的线积分,或者每x的概率密度。这对于离散量是没有意义的,而是使用类似于概率质量函数的power spectrum。如果你看到的是dB (应该用于离散频域)而不是dBm/Hz,那么它就是错误的,但是如果你看到的是dBm而不是dBm,那么它就是正确的,只要它清楚地说明了参考是什么。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/15255632

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档