Least-squares spectral analysis
http://dbpedia.org/resource/Least-squares_spectral_analysis an entity of type: Thing
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。
rdf:langString
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.
rdf:langString
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 .
rdf:langString
rdf:langString
Least-squares spectral analysis
rdf:langString
Lombs periodogram
rdf:langString
最小平方頻譜分析法
xsd:integer
13609399
xsd:integer
1088069234
rdf:langString
InternetArchiveBot
rdf:langString
December 2017
rdf:langString
yes
rdf:langString
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. LSSA is also known as the Vaníček method or the Gauss-Vaniček method after Petr Vaníček, and as the Lomb method or the Lomb–Scargle periodogram, based on the contributions of Nicholas R. Lomb and, independently, Jeffrey D. Scargle.
rdf:langString
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 och spektrumet kan sedan skattas genom att beräkna , där .
rdf:langString
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。
xsd:nonNegativeInteger
25845
