《时间序列分析与动态数据建模》

第一章采样数据的检验和预处理1

1.1采样间隔和频率混叠1

1.2均值、方差和概率直方图6

1.3随机数据的正态性检验13

1.4随机数据的独立性检验19

1.5非平稳趋势的检验20

1.6剔点处理23

1.7提取趋势项26

1.8随机数据的周期性检验31

第二章 平稳随机过程及其模型35

2.1平稳随机过程35

2.2自协方差和自相关函数37

2.3典型离散参数模型43

第三章时间域模型的估计89

3.1自协方差和自相关函数的估计89

3.2模型参数的相关矩估计98

3.3模型参数的最小二乘估计（LS估计）107

3.4模型参数的极大似然估计（ML估计）121

3.5模型阶数的确定129

3.6时间序列建模的基本步骤155

第四章周期图与加窗谱估计174

4.1隐周期的估计174

4.2功率谱密度的周期图估计190

4.3功率谱估计的两种基本方法197

4.4窗函数208

5.1谱熵和极大熵准则226

第五章极大熵谱估计226

5.2极大熵谱估计及BURG算法232

5.3极大熵谱估计的LS-LUD241

第六章时间序列的预报251

6.1平稳线性最小方差预报251

6.2最小方差预报的性质和方法255

6.3时间序列的新息实时预报265

第七章多变量时间序列273

7.1多变量平稳过程的相关和谱特性273

7.2具有线性关系的多变量过程谱分析286

7.3互谱特性和相干函数的估计和应用296

7.4多变量过程的时间域模型304

8.1趋势性和季节性模型324

第八章一些特定形式的模型324

8.2混合回归模型及疏系数模型348

8.3门限回归（自回归）模型375

8.4双线性模型和指数自回归模型394

第九章自适应模型及估计的递推算法400

9.1自适应模型的特点和建模方法400

9.2最小均方误差准则和基于梯度估计的算法402

9.3Kalman滤波及其在自适应建模中的应用417

9.4基于最小二乘准则的自适应递推算法432

9.5递推最小二乘估计的格形算法结构443

习题462

附录一时间序列分析与建模程序说明474

附录二程序文本557

附录三671

参考资料690