功率谱是一个通用术语，它描述了信号中包含的功率分布作为频率的函数。从这个角度来看，我们可以有一个定义在一组离散频率上的功率谱（适用于无限长的周期性信号），或者我们可以有一个定义为频率的连续函数的功率谱（适用于无限长的非周期性信号） ）。

在第一种情况下，每个分立元件都有功率单位（W、mW 等）。在第二种情况下，连续频谱中的每个点都具有每个频率的功率单位（W/Hz、mW/Hz 等）。在第二种情况下，必须在一个频带上积分以获得功率单位。在第二种情况下谈论一个频率的功率量是没有意义的，我们必须谈论一个频谱带（频率间隔）或几个这样的频带中包含的功率量。然而，谈论特定频率下的功率谱密度 (PSD) 量是有意义的。这是一个指标，表明如果包含在一个频谱带中，该频率将对总功率贡献多少权重。

这使我们能够比较权力的分布在信号的不同频率下（而不是直接比较功率）。这种分布是在一个小的频率增量上定义的（在微积分的意义上，增量为零）。PSD 的替代方法是将信号分成有限大小（例如 10 Hz）的块并计算每个 bin 的功率（获得此结果的一种方法是将 PSD 在每个 bin 上积分）。如果另一个人进行了类似的实验并使用更大的 bin 大小（例如 20 Hz）生成了自己的图，那么两个图的整体形状将相似，但后一个图看起来更粗糙，其数值会更大。这将使比较两个信号变得困难。使用功率谱密度，消除了幅度和 bin 大小的模糊性。

欲了解更多信息，这里是相关Wikipedia文章的链接。

根据使用 PSD 的方式，有三种方法可以对得到的频谱进行归一化：

1. 直接从绘图中读取信号值；

2. 直接从图上读取噪声功率谱密度；

3. 通过添加该频段中所有 bin 的值来定量确定任何频段中的功率。

   我认为 Matlab 的 pwelch 函数隐含地返回第二种类型的频谱。本文档中介绍了规范化过程。