Estimasi kerapatan spektral adalah proses
teknis membusuk sinyal yang kompleks menjadi bagian-bagian yang lebih
sederhana. Seperti dijelaskan di
atas, banyak proses fisik digambarkan sebagai jumlah dari banyak komponen
frekuensi individu. Setiap proses
yang mengkuantifikasi berbagai jumlah (misalnya amplitudo, kekuatan,
intensitas, atau fase), frekuensi vs bisa disebut analisis spektrum.
Analisis spektrum dapat dilakukan
pada seluruh sinyal. Atau, sinyal
dapat dipecah menjadi segmen pendek (kadang-kadang disebutframe), dan
analisis spektrum dapat diterapkan untuk segmen ini individu. fungsi periodik (seperti) Yang sangat cocok untuk
sub-divisi. Teknik matematika umum
untuk menganalisis fungsi-fungsi non-periodik jatuh ke dalam kategori analisis Fourier .
The Transformasi Fourier dari fungsi
menghasilkan spektrum frekuensi yang berisi semua informasi tentang sinyal
asli, tetapi dalam bentuk yang berbeda. Ini
berarti bahwa fungsi asli dapat sepenuhnya direkonstruksi (disintesis) oleh invers transformasi Fourier . Untuk rekonstruksi yang sempurna,
spektrum analyzer harus menjaga kedua amplitudo dan fase dari masing-masing komponen
frekuensi. Kedua potongan informasi
dapat direpresentasikan sebagai vektor 2 dimensi, sebagai bilangan kompleks , atau sebagai besarnya
(amplitudo) dan fase dalam koordinat polar (yaitu, sebagai fasor ). Teknik
umum dalam pemrosesan sinyal untuk mempertimbangkan amplitudo kuadrat,
atau kekuasaan ; dalam
hal ini rencana yang dihasilkan disebut sebagai spektrum daya .
Dalam prakteknya, hampir semua perangkat
lunak dan perangkat elektronik yang menghasilkan spektrum frekuensi menerapkantransformasi Fourier cepat (FFT),
yang merupakan pendekatan matematika khusus untuk solusi terpisahkan penuh. Secara resmi menyatakan, FFT adalah
metode untuk menghitung transformasi Fourier diskrit dari sinyal sampel .
Karena reversibilitas, Fourier
transform disebut representasi dari fungsi, dalam hal
frekuensi bukan waktu; dengan
demikian, itu adalahdomain frekuensi representasi. Operasi linear yang dapat dilakukan dalam
domain waktu memiliki rekan-rekan yang sering dapat dilakukan lebih mudah dalam
domain frekuensi. Analisis frekuensi
juga menyederhanakan pemahaman dan interpretasi efek berbagai operasi
waktu-domain, baik linear dan non-linear. Misalnya,
hanya non-linear atau waktu-varian operasi dapat membuat
frekuensi baru di spektrum frekuensi.
Transformasi Fourier dari stochastic (random) gelombang ( noise ) juga acak. Beberapa
jenis rata-rata diperlukan untuk menciptakan gambaran yang jelas tentang
kandungan frekuensi yang mendasari ( distribusi frekuensi ). Biasanya, data dibagi menjadi
waktu-segmen durasi yang dipilih, dan transformasi yang dilakukan pada
masing-masing. Maka besarnya atau
(biasanya) komponen kuadrat-besarnya transformasi dijumlahkan menjadi rata-rata
transformasi. Ini adalah operasi
yang sangat umum dilakukan pada digital sampel data time-domain,
dengan menggunakan transformasi Fourier diskrit . Jenis pengolahan disebut metode Welch . Ketika hasilnya datar, yang biasa disebut sebagai white noise . Namun,
teknik pemrosesan tersebut sering mengungkapkan konten spektral bahkan di
antara Data yang muncul bising dalam domain waktu
