用功率谱密度分析随机过程,为什么不用频谱分析呢?

这问题有点久了啊，这个问题应该是细心的初学者都会有的疑问吧。
解答如下：
1. 频谱分析是针对确定信号的（因为要满足狄利克雷条件，随机信号无法满足），这样分析才有意义。
2. 功率谱主要是针对随机信号，也就是你说的随机过程。那为什么不能分析随机过程的频谱？答案很简单，因为你求不出来！因为随机过程有若干的样本函数，他们不仅是很难确定的，而且是随机的，所以即使你找到了一条样本函数，得到了频谱，它也是无意义的，因为它不能反映整个随机过程的情况。
那么为什么用功率谱可以呢？因为统计特性是不随时间的推移而变化的，所以随机过程的自相关函数能够在时域完整描述其统计特性，而自相关函数的FT变换，也就是功率谱密度是在频域对随机过程统计特性的完整描述。
以上只是个人浅显的理解，希望对你有帮助。

如何判断一个信号是否符合高斯分布

高斯信号是指概率密度分布为正态分布的随机信号，在工程中通常用偏斜度S和峭度K两个参数来描述。高斯随机过程的偏斜度和峭度恒等于零，而非高斯随机过程的偏斜度和峭度至少有一个不恒为零，S和K的定义见附图
偏斜度是衡量随机信号的分布偏离对称分布的歪斜程度，偏斜度不等于零的信号必定服从非对称分布。而峭度表征统计频率曲线接近分布中心时的大致状态，它不仅可以用来区分高斯和非高斯信号，而且还可进一步将非高斯信号分为亚高斯信号（峭度值小于零）和超高斯信号（峭度值大于零）。
在工程仿真应用中（例如随机振动分析和疲劳可靠性分析等），常常要求模拟同时具有指定功率谱、偏斜度和峭度值大小的非高斯随机过程。引自“指定功率谱密度、偏斜度和峭度值下的非高斯随机过程数字模拟“。

为什么对随机信号的频域分析不再简单的是频谱而是功率谱分析？

频谱对应的是时域的确定性信号，随机信号时域用均值或相关性来衡量特性，同样衡量频域要用频谱的平方取均值，也就是功率谱啦，频谱是随机的，不能显示整体特性的

信号分类的方式有哪三种?试说明在这些分类方法中,方波信号各属于什么信号?

好多分类方式啊，就我还记得的就有五种了：
1，随机信号和确定信号
2，离散信号和连续信号
3，周期和非周期信号
4，能量和功率信号
5，数字信号和模拟信号
…………
方波：一般是确定信号，连续，周期，功率，模拟信号
其他也有可能，比如非周期的，占空比不一样云云都可能造成不同的结果。但是绝大部分都是以上所说O(∩_∩)O~