rdfs:comment
| - 最小平方頻譜分析法(英語:Least-squares spectral analysis)是一種利用最小平方法尋找適配於資料點之最佳正弦曲線,以估算頻譜的方法。其數學原理與科學界中最常用的傅立葉分析相似。一般而言,傅立葉分析會將間隔較長之訊號的長周期雜訊放大,而最小平方頻譜分析法則解決了這個問題。 最小平方頻譜分析法也稱為凡尼切克法(Vaníček method)、隆布法(Lomb method)或隆布—史卡構法(Lomb–Scargle method),分別取名自對其有所貢獻的、尼可拉斯·隆布(Nicholas R. Lomb)以及傑佛瑞·史卡構(Jeffrey D. Scargle)。此外,麥可·科恩伯格(Michael Korenberg)、史考特·陳(Scott Chen)以及等人也曾開發出與之關係密切的其它方法。 (zh)
- Least-squares spectral analysis (LSSA) is a method of estimating a frequency spectrum, based on a least squares fit of sinusoids to data samples, similar to Fourier analysis. Fourier analysis, the most used spectral method in science, generally boosts long-periodic noise in long gapped records; LSSA mitigates such problems. Unlike with Fourier analysis, data need not be equally spaced to use LSSA. (en)
- Lombs Periodogram, eller Lomb-Scargle Periodogram, är en metod för att skatta frekvensspektrum för data som inte är samplade med jämnt intervall . Antag att data är , tillgängliga vid tidpunkter för . Spektrumet vid kan då skattas genom att beräkna där definieras med hjälp av . Scargle visade att den här skattningen är statistiskt ekvivalent med ett vanligt periodogram vid jämnt samplad data . Lomb visade i sin tur att skattningen är ekvivalent med en minsta-kvadrat skattningen vid varje frekvens , med andra ord ges samma resultat genom att först beräkna , , samt , där . (sv)
|