自功率谱密度函数是振动分析和故障诊断的()方法。A、次要B、一般C、主要D、重要

自功率谱密度函数是振动分析和故障诊断的()方法。

  • A、次要
  • B、一般
  • C、主要
  • D、重要

相关考题:

互相关函数与()是一对傅立叶变换对。 A、相干函数B、自相关函数C、互功率谱密度函数D、自功率谱密度函数

设信号的自相关函数为脉冲函数,则自功率谱密度函数必为()。 A、脉冲函数B、有延时的脉冲函数C、零D、常数

自功率谱密度不可用来检测信号中的周期成分。()

结构的自振频率可采用()进行计算。 A、自功率谱B、傅里叶谱方法C、半功率点法D、自相关函数

直接对()进行分析和评估是状态监测和故障诊断最简单和最直接的方法。 A、声音时域信号B、振动频域信号C、振动时域信号D、故障信号

求功率谱密度为n0的白噪声通过理想LPF后的自相关函数及噪声功率。

随机过程的自相关函数与其功率谱密度是傅里叶变换关系。()

平稳随机过程的自相关函数和功率谱密度服从维纳一辛钦关系。()

平稳随机过程的自相关函数与其功率谱密度是一对傅里叶变换。()

概率密度函数是在幅值域、相关函数是在时间域、功率谱密度函数是在()域上来描述的随机信号。A、时间B、空间C、幅值D、频率

随机信号的功率谱密度函数是()A、收敛的B、发散的C、实偶函数D、实奇函数

信号的功率谱密度函数描述不正确的是()A、功率谱密度函数从频率角度研究平稳随机过程的方法B、自谱密度函数反应信号幅值的平方C、自谱密度函数可以得出系统的相频特性D、互谱密度函数与互相关函数是一对傅里叶变换对

设信号x(t)的自功率谱密度函数为常数,则其自相关函数为()。

功率谱密度函数是在()域上来描述的随机信号。A、时间B、空间C、幅值D、频率

信号χ(t)的自功率谱密度函数Sx(f)是(),信号χ(t)和y(t)的互谱Sxy(f)是()Rxy(τ)的傅里叶变换。

概率密度函数在()域、相关函数是在()域、功率谱密度函数是在()域上来描述的随机信号

设信号x(t)的自功率谱密度函数为常数,则其自相关函数为()。A、常数B、脉冲函数C、正弦函数D、零

自功率谱密度函数为虚偶函数。

信号x(t)的自功率频谱密度函数SX(f)是()。A、x(t)的傅氏变换B、x(t)的自相关函数RX(t)的傅氏变换C、与x(t的幅值谱Z(f)相等

随机信号的相关函数是在()域描述其相关性,功率平谱密度函数是在()域描述其相关性。

高斯噪声指噪声的()是高斯分布。A、功率谱密度B、频谱密度C、频谱D、幅度概率密度函数

多选题识别ARMA模型的核心工具是(  )。A互相关函数B自相关函数C功率谱密度函数D偏自相关函数

单选题振动测试()是进行结构故障诊断的主要方法。A频率响应函数法B模态分析C倒频谱D轴心轨迹

问答题何谓高斯白噪声?它的概率密度函数、功率谱密度如何表示?

单选题关于用于齿轮故障的功率谱分析法,说法错误的是()。A功率谱分析可以确定齿轮振动信号的频率构成和振动能量在各频率成分上的分布B功率谱分析的频率轴坐标可以是线性坐标或者对数坐标C可用于齿轮的早期故障D功率谱比振动谱更能突出啮合频率及其谐波等成分

单选题信号x(t)的自功率频谱密度函数SX(f)是()。Ax(t)的傅氏变换Bx(t)的自相关函数RX(t)的傅氏变换C与x(t的幅值谱Z(f)相等

单选题信号的功率谱密度函数描述不正确的是()A功率谱密度函数从频率角度研究平稳随机过程的方法B自谱密度函数反应信号幅值的平方C自谱密度函数可以得出系统的相频特性D互谱密度函数与互相关函数是一对傅里叶变换对