1) periodically correlated time series
周期相关时间序列
1.
The stationarity and the periodicity of periodic autoregressive model are discussed,and it s necessary and sufficient conditions for periodically correlated time series are developed.
介绍了周期相关时间序列和周期自回归模型,并研究了周期自回归时间序列的稳定性及周期性,得到了它为周期相关时间序列的一个充要条件,推广了文献[1]的结论。
2) periodically correlated sequences
周期相关序列
3) periodic time series
周期时间序列
1.
A new model,MPARMA,which is extended by periodic autoregressive moving-average model with the finite mixture modeling,is proposed for modeling the skeness and multimodal in periodic time series.
为了描述周期时间序列中的偏倚和多峰现象,结合有限混合模型方法,将周期自回归滑动平均(Periodical Autoregression Moving Average——PARMA)模型推广,提出混合周期自回归滑动平均时间序列(MPARMA)模型,并讨论了MPARMA序列的一阶和二阶平稳性条件。
4) multi-correlation of time series
时间序列多相关
5) temporal sequence correlation
时间序列相关
1.
In the digital speckle temporal sequence correlation method, ascending or descending of reference planes will cause the speckle in the planes to shift and zoom.
本文分析了数字散斑时间序列相关方法中由于参考平面沿z轴方向平移而引起的散斑场的平移和缩放,并进行了计算机模拟,得出了决定参考平面间距选取的因素。
2.
A new method of three-dimensional shape measurement called digital speckletemporal sequence correlation is presented.
第三章详细介绍了数字散斑时间序列相关方法的基本原理、散斑生成方法、相关算法以及测量操作方法。
6) temporal sequence digital image correlation
时间序列数字图像相关
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条