最近在看数字信号处理相关内容，其中遇到各种名词概念。虽然名称都听说过也确定学过，这么多年了基本一点印象也没有了。下面整理了一些学习过程中遇到的一些基本概念，后续还会持续更新。
==================================================================

复数:a+bi
模:sqrt(a*a+b*b),复平面上点到原点距离
共轭，实部相同，虚部相反
对于复频域，一个频率上的模的平方，表示这个频率分量能量的大小

复数乘法的定义为：(a+bi)(c+di)=(ac-bd)+(bc+ad)i

信号的频谱由两部分构成：幅度谱和相位谱。

所谓的能量谱，也称为能量谱密度，是指用密度的概念表示信号能量在各频率点的分布情况。也即是说，对能量谱在频域上积分就可以得到信号的能量。能量谱是信号幅度谱的模的平方

所谓的功率谱，也称为功率谱密度，是指用密度的概念表示信号功率在各频率点的分布情况。也就是说，对功率谱在频域上积分就可以得到信号的功率。从理论上来说，功率谱是信号自相关函数的傅里叶变换。

功率谱是功率谱密度函数（PSD）的简称，它定义为单位频带内的信号功率。
一段信号的功率谱等于这段信号自相关函数的傅里叶变换。

互相关函数是描述随机信号x(t),y(t)在任意两个不同时刻t1，t2的取值之间的相关程度，
自相关函数是描述随机信号x(t)在任意两个不同时刻t1，t2的取值之间的相关程度。
设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积；
设两个函数分别是f(t)和g(t)，则互相关函数定义为R(u)=f(t)*g(-t)，它反映的是两个函数在不同的相对位置上互相匹配的程度。

偏度（Skewness）:是描述数据分布形态的统计量，其描述的是某总体取值分布的对称性，简单来说就是数据的不对称程度。。
偏度是三阶中心距计算出来的。
（1）Skewness = 0 ，分布形态与正态分布偏度相同。
（2）Skewness > 0 ，正偏差数值较大，为正偏或右偏。长尾巴拖在右边，数据右端有较多的极端值。
（3）Skewness < 0 ，负偏差数值较大，为负偏或左偏。长尾巴拖在左边，数据左端有较多的极端值。
（4）数值的绝对值越大，表明数据分布越不对称，偏斜程度大。
计算公式：
Skewness=E[((x-E(x))/(\sqrt{D(x)}))^3]
| Skewness| 越大，分布形态偏移程度越大。

分位数（英语：Quantile），亦称分位点，是指用分割点（cut point）将一个随机变量的概率分布范围分为几个具有相同概率的连续区间。分割点的数量比划分出的区间少1，例如3个分割点能分出4个区间。

频谱平坦度也叫做维纳熵，即各个频率分量的几何平均数与算术平均数的比值。

算术平均数
几何平均数

白噪声，是一种功率谱密度为常数的随机信号或随机过程。即此信号在各个频段上的功率一致。由于白光是由各种频率（颜色）的单色光混合而成，因而此信号的平坦功率谱性质称为“白色”，此信号也因此得名为白噪声。相对的，其他不具有这一性质的噪声信号则称为有色噪声。