目前，功率谱密度及功率谱密度和能量谱密度的区别在当代的应用可谓是越来越广泛，功率谱密度及功率谱密度和能量谱密度的区别是值得我们好好学习的，现在我们就深入了解功率谱密度及功率谱密度和能量谱密度的区别。
功率谱密度及功率谱密度和能量谱密度的区别
在物理学中，信号通常是波的形式，例如电磁波、随机振动或者声波。当波的频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率 谱密度（power spectral density, PSD）或者谱功率分布（spectral power distribution, SPD）。功率谱密度的单位通常用每赫兹的瓦特数（W/Hz）表示，或者使用波长而不是频率，即每纳米的瓦特数（W/nm）来表示。
功率谱密度详细说明;
上面能量谱密度的定义要求信号的傅里叶变换必须存在，也就是说信号平方可积或者平方可加。一个经常更加有用的替换表示是功率谱密度（PSD），它定义了信号或者时间序列的功率如何随频率分布。这里功率可能是实际物理上的功率，或者更经常便于表示抽象的信号被定义为信号数值的平方，也就是当信号的负载为1欧姆(ohm)时的实际功率。此瞬时功率（平均功率的中间值）可表示为：
由于平均值不为零的信号不是平方可积的，所以在这种情况下就没有傅里叶变换。幸运的是维纳-辛钦定理（Wiener-Khinchin theorem）提供了一个简单的替换方法，如果信号可以看作是平稳随机过程，那么功率谱密度就是信号自相关函数的傅里叶变换。
信号的功率谱密度当且仅当信号是广义的平稳过程的时候才存在。如果信号不是平稳过程，那么自相关函数一定是两个变量的函数，这样就不存在功率谱密度，但是可以使用类似的技术估计时变谱密度。
f(t) 的谱密度和 f(t) 的自相关组成一个傅里叶变换对（对于功率谱密度和能量谱密度来说，使用着不同的自相关函数定义）。
通常使用傅里叶变换技术估计谱密度，但是也可以使用如Welch法（Welch's method）和最大熵这样的技术。
傅里叶分析的结果之一就是Parseval定理（Parseval's theorem），这个定理表明能量谱密度曲线下的面积等于信号幅度平方下的面积，总的能量是：
：上面的定理在离散情况下也是成立的。另外的一个结论是功率谱密度下总的功率与对应的总的平均信号功率相等，它是逐渐趋近于零的自相关函数。
功率谱密度谱是一种概率统计方法，是对随机变量均方值的量度。一般用于随机振动分析，连续瞬态响应只能通过概率分布函数进行描述，即出现某水平响应所对应的概率。
功率谱密度的定义是单位频带内的“功率”（均方值）
功率谱密度是结构在随机动态载荷激励下响应的统计结果，是一条功率谱密度值—频率值的关系曲线，其中功率谱密度可以是位移功率谱密度、速度功率谱密度、加速度功率谱密度、力功率谱密度等形式。数学上，功率谱密度值—频率值的关系曲线下的面积就是方差，即响应标准偏差的平方值。
功率谱密度及功率谱密度和能量谱密度的区别
功率谱密度和能量谱密度的区别
信号能量可求,相应地可以定义能谱密度；信号能量不可求但功率可求,这时可以定义功率谱密度。
一般来说,平稳随机过程的能量不可求,平均功率可求，这时可用功率谱密度分析它,其功率谱密度的傅立叶反变换对应的是随机过程的相关函数.
确定性信号可以是功率信号(能量不可求但功率可求), 也可以是能量信号(能量可求), 这时可以分别用功率谱密度或者能谱密度分析.各自对应的傅立叶反变换是确定性信号的相关函数.
能量信号是能量可求，可以参看ENGERY SIGNAL的公式，一般为确定信号deterministic signal , 而当在频谱中积分所得能量为INFINITE时，我们需要用PSD,即功率谱来分析，这就是功率信号的分析角度，一般为一个随机信号，可以设想一个 WHITE NOISE SINGAL。
给出能谱密度和功率谱密度（PSD）的数学表达，就比较清楚了，求能量谱，必须是能量在无穷时间内可积，那么单独一个频谱分量的能量大小作为能谱密度，而对随机信号，在无穷时间内能量非可积，不能用能谱密度，那么把能量再除以无穷时间，得到它的功率谱，就可以分析这样的能量不可积的信号了。
综上所述，本文已为讲解功率谱密度及功率谱密度和能量谱密度的区别，相信大家对功率谱密度及功率谱密度和能量谱密度的区别的认识越来越深入，希望本文能对各位读者有比较大的参考价值
浏览过本文<功率谱密度及功率谱密度和能量谱密度的区别>的人也浏览了
基础知识
http://baike.cntronics.com/abc?page=100
电感、扼流圈和滤波器的使用说明
http://baike.cntronics.com/tech/345
基础知识
http://baike.cntronics.com/abc?page=167
