氣象數據時間序列信號處理

序
前言
第一章 數據時間序列分析的理論基礎
1.1 隨機過程與時間序列
1.2 隨機過程的一般性質
1.3 平衡隨機過程
1.4 平穩(wěn)過程的自協方差函數與譜密度
第二章 氣象數據時間序列及其預處理
2.1 氣象時間序列實例
2.2 氣象數據時間序列的采樣
2.3 時間序列的趨勢分析
2.4 周期分析法
2.5 趨勢轉折與狀態(tài)突變的檢測
2.6 非平稱序列的平衡化及其檢驗
第三章 描述時間序列的概率模型
3.1 白噪聲序列與隨機游動序列
3.2 一階自回歸模型與紅噪聲
3.3 高階自回歸模型AR
3.4 滑動平均模型MA
3.5 自回歸-滑動平均混合模型ARMA
3.6 趨勢性和季節(jié)性模型ARIMA
3.7 非線性模型簡介
第四章 時間序列的模型擬合
4.1 模型的初步識別與階數估計
4.2 AR（P）模型的參數估計
4.3 MA模型的參數估計
4.4 ARMA模型的參數估計
4.5 模型階數的確定
4.6 模型的擬合優(yōu)度檢驗
4.7 時間序列建模的基本步驟及應用實例
4.8 門限自回歸的建模和應用
第五章 時間序列的譜分析
5.1 功率譜的物理概念及其表示法
5.2 基本線性時間序列模型的功率譜
5.3 經典的功率普估計原理和方法
5.4 經典譜估計的計算方案
5.5 功率譜估計的計算方案
5.6 最大熵譜估計
5.7 譜分析的新技術-奇異譜分析
5.8 氣象應用譜分析的進展
第六章 多維時間序列與線性系統(tǒng)
6.1 多維隨機過程的統(tǒng)計特征
6.2 交叉譜的估計及其應用
6.3 系統(tǒng)的概念
6.4 線性系統(tǒng)的時域描述
6.5 張性系統(tǒng)的頻域描述
6.6 簡單濾波方法
6.7 具有隨機輸入的系統(tǒng)響應特性
6.8 多輸入系統(tǒng)
第七章 基于時間序列模型的預報方法
第八章 系統(tǒng)動態(tài)分析技術及自適應模型
參考文獻