如何在不镜像自相关函数的情况下计算向量值过程的功率谱密度？

嘿，我懂你在处理2D奥恩斯坦-乌伦贝克过程时的纠结——用维纳-辛钦定理算PSD时，要不要给自相关函数做镜像确实是个容易搞混的点。咱们先回顾下你的思路：你已经在遵循维纳-辛钦定理，定义的速度自相关函数（VACF）是：

$$ R(\tau) = \frac{1}{T - \tau} \int_0^{T - \tau} \langle \mathbf{v}(t) \cdot \mathbf{v}(t + \tau) \rangle dt $$

接下来要做FFT得到PSD，但不想镜像自相关函数？这里有几个实用的办法：

• 利用FFT性质直接修正单边自相关的结果
  对于平稳的实值向量过程，自相关函数是偶函数（即 ( R(-\tau) = R(\tau) )），但你现在只计算了 ( \tau \geq 0 ) 的单边自相关。不用手动复制镜像部分，直接对这段单边自相关做FFT后，只需对结果做幅度修正：

  • 直流分量（频率为0）的PSD值就是 ( R(0) )；
  • 对于0到奈奎斯特频率之间的正频率，PSD值取FFT结果实部的2倍；
  • 如果采样点数是偶数，奈奎斯特频率对应的PSD值直接取FFT结果的实部即可。
    这样就能得到符合物理意义的PSD，完全绕开了镜像操作。

• 直接对速度时间序列做FFT（跳过自相关计算）
  维纳-辛钦定理只是PSD的一种计算路径，你也可以用周期图法直接从原始数据入手，全程不用碰自相关函数：

  1. 把你的向量速度序列 ( \mathbf{v}(t) ) 拆成若干段（可以重叠也可以不重叠，重叠能降低PSD方差）；
  2. 给每一段加窗（比如汉宁窗，减少频谱泄漏），然后对x、y分量分别做FFT；
  3. 对每个频率点，计算所有段FFT模值平方的平均值；
  4. 最后把x、y分量的PSD相加，就得到向量点积对应的总PSD了。
     这种方法不仅不用处理自相关的镜像问题，实际计算效率也更高，尤其是数据量很大的时候。

• 拆分向量分量分别处理
  因为向量点积的自相关等于各分量自相关之和（( \langle \mathbf{v}(t) \cdot \mathbf{v}(t+\tau) \rangle = \langle v_x(t)v_x(t+\tau) \rangle + \langle v_y(t)v_y(t+\tau) \rangle )），你可以分别计算x、y分量的单边自相关，各自按第一种方法修正FFT结果后再相加，这样拆分处理更不容易出错，也不用考虑向量运算带来的额外复杂度。

需要提醒的是：如果坚持从单边自相关出发做FFT，一定要记得利用平稳过程的自相关对称性修正幅度，不然得到的PSD幅度会只有正确值的一半（除了直流和奈奎斯特频率）。

内容来源于stack exchange