《气象数据时间序列信号处理》求取 ⇩

序1

前言1

第一章　数据时间序列分析的理论基础1

§1.1　随机过程与时间序列1

目录1

§1.2　随机过程的一般性质4

§1.3　平稳随机过程9

§1.4　平稳过程的自协方差函数与谱密度14

第二章　气象数据时间序列及其预处理18

§2.1　气象时间序列实例18

§2.2　气象数据时间序列的采样22

§2.3　时间序列的趋势分析26

§2.4　周期分析方法32

§2.5　趋势转折与状态突变的检测41

§2.6　非平稳序列的平稳化及其检验50

§3.1 白噪声序列与随机游动序列55

第三章　描述时间序列的概率模型55

§3.2　一阶自回归模型与红噪声57

§3.3　高阶自回归模型AR（p）61

§3.4　滑动平均模型MA（q）66

§3.5 自回归-滑动平均混合模型ARMA（p,q）69

§3.6　趋势性和季节性模型ARIMA73

§3.7　非线性模型简介76

第四章　时间序列的模型拟合79

§4.1　模型的初步识别与阶数估计79

§4.2　AR（p）模型的参数估计81

§4.3　MA（q）模型的参数估计88

§4.4　ARMA（p,q）模型的参数估计91

§4.5　模型阶数的确定96

§4.6　模型的拟合优度检验101

§4.7　时间序列建模的基本步骤及应用实例102

§4.8　门限自回归的建模和应用115

第五章　时间序列的谱分析120

§5.1　功率谱的物理概念及其表示法120

§5.2　基本线性时间序列模型的功率谱129

§5.3　经典的功率谱估计原理和方法133

§5.4　经典谱估计的计算方案145

§5.5　功率谱的显著性检验（识别显著周期）149

§5.6　最大熵谱估计155

§5.7　谱分析的新技术——奇异谱分析160

§5.8　气象应用谱分析的进展168

第六章　多维时间序列与线性系统173

§6.1　多维随机过程的统计特征173

§6.2　交叉谱的估计及其应用180

§6.3　系统的概念188

§6.4　线性系统的时域描述191

§6.5　线性系统的频域描述193

§6.6　简单滤波方法194

§6.7　具有随机输入的系统响应特性202

§6.8　多输入（出）系统206

第七章　基于时间序列模型的预报方法211

§7.1　最优线性预报211

§7.2　新息序列与预报值的递推方法214

§7.3　简化时间序列及其预报225

§7.4　多维序列的一种简化预报模型240

——典型自回归预报方法240

第八章　系统动态分析技术及自适应模型252

§8.1　时序数据“动态”检测的一般概念252

§8.2 自适应AR模型及LMS递推算法254

§8.3　基于最小二乘法的自适应AR递推算法258

§8.4 Kalman滤波原理及其AR自适应算法270

§8.5　小波分析及其应用简介278

参考文献284