第一章 采样数据的检验和预处理 1
1.1采样间隔和频率混叠 1
1.2均值、方差和概率直方图 6
1.3随机数据的正态性检验 13
1.4随机数据的独立性检验 19
1.5非平稳趋势的检验 20
1.6剔点处理 23
1.7提取趋势项 26
1.8随机数据的周期性检验 31
第二章 平稳随机过程及其模型 35
2.1平稳随机过程 35
2.2自协方差和自相关函数 37
2.3典型离散参数模型 43
第三章 时间域模型的估计 89
3.1自协方差和自相关函数的估计 89
3.2模型参数的相关矩估计 98
3.3模型参数的最小二乘估计（LS估计） 107
3.4模型参数的极大似然估计（ML估计） 121
3.5模型阶数的确定 129
3.6时间序列建模的基本步骤 155
第四章 周期图与加窗谱估计 174
4.1隐周期的估计 174
4.2功率谱密度的周期图估计 190
4.3功率谱估计的两种基本方法 197
4.4窗函数 208
5.1谱熵和极大熵准则 226
第五章 极大熵谱估计 226
5.2极大熵谱估计及BURG算法 232
5.3极大熵谱估计的LS-LUD 241
第六章 时间序列的预报 251
6.1平稳线性最小方差预报 251
6.2最小方差预报的性质和方法 255
6.3时间序列的新息实时预报 265
第七章 多变量时间序列 273
7.1多变量平稳过程的相关和谱特性 273
7.2具有线性关系的多变量过程谱分析 286
7.3互谱特性和相干函数的估计和应用 296
7.4多变量过程的时间域模型 304
8.1趋势性和季节性模型 324
第八章 一些特定形式的模型 324
8.2混合回归模型及疏系数模型 348
8.3门限回归（自回归）模型 375
8.4双线性模型和指数自回归模型 394
第九章 自适应模型及估计的递推算法 400
9.1自适应模型的特点和建模方法 400
9.2最小均方误差准则和基于梯度估计的算法 402
9.3Kalman滤波及其在自适应建模中的应用 417
9.4基于最小二乘准则的自适应递推算法 432
9.5递推最小二乘估计的格形算法结构 443
习题 462
附录一时间序列分析与建模程序说明 474
附录二程序文本 557
附录三 671
参考资料 690