本文主要是介绍[NE-B]信号处理基础 二，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
信号处理基础 二
- 特别致谢
- 正文
- 原文
特别致谢
感谢 qq_38337937 的翻译
正文
1、平均整流值（ARV）是信号幅度的量度，它是通过将所有样本的绝对值相加并除以样本数获得的结果。
2、 A R V x = 1 / N ∑ i ∣ x i ∣ ARV_{x} = 1/N \sum_{i} |x_{i}| ARVx=1/N∑i∣xi∣，其中的和扩展到信号X的N个样本上。
3、均方根（RMS）是信号样本的平方值的平均值的平方根。
4、信号的方差是通过对N个样本值与样本平均值的所有偏差的平方求和，然后除以N-1来估算的。
5、 S X 2 = 1 N − 1 ∑ i ( x i − X ˉ ) 2 S^{2}_{X} = \frac{1}{N-1}\sum_{i}(x_{i} - \bar{X})^{2} SX2=N−11∑i(xi−Xˉ)2，其中的求和扩展到信号的X的N样本。
6、方差 σ 2 σ^{2} σ2 和零均值信号的RMS的平方有相同的值。（考虑N→ ∞）。
7、信号的标准差σ是其方差的平方根。
8、在白噪声中，所有样本都是不相关的，即当给定一个样本的值时，我们没有增加对预测另一样本的值的知识。
9、白噪声的频谱是平坦的，即在任何频率下它都具有相同的幂。
10、在高斯噪声中，样本具有给定幅度值的概率[密度]遵循均值为零的正态（高斯）分布。
11、给定两个等宽的范围A=[-0.5, +0.5]和B=[0.5, 1.5]，一个高斯噪声的样本更有可能在A而不是B中有振幅[因为高斯概率密度函数在0附近最高]。
12、给定两个等宽的范围A=[-0.1, +0.1]和B=[0.8, 1.0]，正弦波 x = sin ( t ) x=\sin(t) x=sin(t)的样本在A而不是B中有振幅的可能性更小。
13、三角波样本的振幅具有统一的概率密度函数，即样本在-A和+A之间取值（即A为波形的峰值）的概率相同和在[-A，+A]之外取值的概率为 0 。
14、中心极限定理（CLT）指出，当N接近无穷时，N个独立且均匀分布的随机变量的平均值的概率分布趋于一个正态分布。
15、N个独立且均匀分布的随机变量的平均值的概率分布是一个独立于N值的正态分布。
16、给定N个独立且均匀分布的随机变量，其方差（或标准偏差）等于 σ 2 ( 或 σ ) σ^{2}(或σ) σ2(或σ)，其平均值的方差（标准偏差）是 σ 2 / N （ o r σ / √ N ） σ^{2}/N（or σ/√N） σ2/N（orσ/√N）。
17、同步平均值的N个试验仅包含自发EEG，其 R M S t r i a l = σ 2 RMS_{trial} =σ^{2} RMStrial=σ2是一个信号 R M S a v g = σ 2 / N RMS_{avg}=σ^{2}/N RMSavg=σ2/N。
原文
这篇关于[NE-B]信号处理基础 二的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
