一、功率谱密度（Power Spectral Density）

定义与意义： 功率谱密度描述信号在各个频率上的功率分布，是时间序列分析的基础。应用场景： 在通信、声音分析和金融领域等有广泛应用。

二、频率分布和峰值频率

频率分布： 描述信号在不同频率段的能量分布。峰值频率： 寻找信号中较早烈的频率成分，用于识别周期性成分。

三、谐波分量

基本概念： 在周期信号中，谐波是基频的整数倍的频率成分。应用： 在电力系统、音乐分析等领域常用。

四、相干性

描述： 相干性度量了两个信号在频域中的相关性。用途： 用于信号源识别和系统响应分析等。

五、相位响应

概念： 相位响应描述系统对不同频率信号的相位变化情况。应用： 常用于滤波器设计和系统辨识等。

六、自相关和互相关函数

自相关： 描述信号与其自身在不同频率的关联。互相关： 描述两个不同信号在频域上的相似性和关联程度。

常见问答：

Q1: 为何频域分析在时间序列分析中重要？

A1: 频域分析揭示了时间序列在频率上的分布和结构，有助于理解信号的内在特性和动态。

Q2: 如何从时间序列中提取频域特征？

A2: 可通过傅里叶变换、小波变换等方法将时间序列转换到频域，并提取相关特征。

Q3: 频域特征在哪些应用场景中常见？

A3: 频域特征广泛用于信号处理、通信、金融分析和工业控制等领域。