如果一个信号的傅里叶变换足以确定它的频谱密度,为什么我们要通过定义自相关函数来复杂化我们的生活呢?
傅里叶变换与自相关函数的比较
信息处理
模数
2022-02-02 12:34:57
1个回答
信号可以通过多种方式进行分类,其中之一是根据它们的性质,例如确定性或随机性(随机性)。当信号是确定性的时,其频谱内容由傅里叶变换给出,前提是该信号是绝对(或平方流)可积的;即,它的傅里叶变换存在。
另一方面,当信号是随机的时,理想情况下,根据定义,它的傅里叶变换不存在。(随机信号将始终具有无限能量,因为当时间变为无穷大时它不会衰减到零,否则它将不是随机的。)
因此,对于随机信号,傅里叶变换将不存在,并且它们的谱密度不能以这种方式计算。然而,对于此类信号,也可以定义基于自相关度量的间接描述,其优点是可能存在其傅里叶变换。因此,随机过程的 PSD 定义为其 ACF 的傅里叶变换。
其它你可能感兴趣的问题