【内容简介】
本书系统地讲述了时间序列分析的基本理论、建模步骤、预测方法以及现代谱估计的特点和相关知识。全书共分6章。第1章绪论，介绍时间序列分析的重要性、时间序列分析的发展及应用等内容；第2章介绍时间序列模型建立前的动态数据预处理，包括平稳性检验、正态性检验、独立性检验、周期性检验、趋势项检验等内容；第3章介绍常用的时间序列模型，包括自回归（AR）模型、移动平均（MA）模型、自回归移动平均（ARMA）模型、ARMA模型的特性、平稳时间序列模型的建立、平稳时间序列预测等内容；第4章介绍经典谱分析的基本方法，包括自相关函数的估计、经典谱估计的直接法、间接法及改进方法等；第5章介绍现代谱估计中的常用方法，包括线性预测法、Burg法、Prony法、多信号分类（MUSIC）法、基于旋转不变技术的信号参数估计（ESPRIT）法、*小范数法等；第6章介绍时间序列分析与谱估计常用的软件及实验相关内容。
本书可作为通信、电子信息、自动控制、概率统计等相关专业的研究生教材，也可作为相关技术人员在时间序列分析与谱估计方面研究的理论基础参考书。
【目 录】
第1章 绪论
1．1 时间序列分析的重要性
1．2 时间序列分析与随机过程理论的区别
1．3 时间序列分析方法的起源与发展
1．4 时间序列分析的应用领域
第2章 动态数据预处理
2．1 平稳性检验
2．2 正态性检验
2．3 独立性检验
2．4 周期性检验
2．5 趋势项检验
习题
第3章 时间序列模型
3．1 一阶自回归（AR）模型
3．2 一般自回归模型
3．3 移动平均（MA）模型
3．4 自回归移动平均（ARMA）模型
3．5 ARMA模型的特性
3．6 平稳时间序列模型的建立
3．7 平稳时间序列预测
习题
第4章 经典谱分析
4．1 功率谱估计概述
4．2 自相关函数的估计
4．3 经典谱估计的基本方法
4．4 直接法和间接法估计的质量
4．5 直接法估计的改进
习题
第5章 现代谱估计
5．1 引言
5．2 自回归（AR）方法
5．3 输入数据处理
5．4 Burg法
5．5 Prony法
5．6 使用最小二乘途径的Prony法
5．7 特征向量和特征值
5．8 MUSIC方法
5．9 ESPRIT法
5．10 最小范数法
5．11 用离散傅里叶变换的最小范数法
习题
第6章 时间序列分析与谱估计软件及实验指导
6．1 时间序列分析软件一EViews
6．2 MATLAB介绍
6．3 时间序列分析及谱估计实验
参考文献