现代谱估计：多窗口谱重建

本篇文章翻译自：Kspectra tool，需要用的同学可自己看英文版的。

多窗口谱信号重建

一旦显著峰值信号（相对特定的零假设）可以从谱信号中分离出来，对应的时域信号可以使用多窗口谱分解技术获得的信息在时域中重建出来。

这个信号或者说重建成份和之前SSA技术中描述的SSA有类似的成份，除了它用来重建侦测到的信号的信息是来自于频率域的特征分解而不是相关域的特征分解。
在相关域的情景时，一个先验的假设-域的边界必须被确认。

和峰值集中于f0的周期信号，可以通过以下公式重建：

其中信使函数 A（t）可以通过由k个复值特征谱构建的频域信息的时域倒置获得。

这个信使A（t）有k个复自由度，并且允许在时域重建时中心频率为f0信号的相位和幅值可以有所变化。

离散情况下的时间序列描述信使函数$A_n$可以通过利用具有适宜边界和每个K阶特征谱的复幅值信息的离散倒置问题。

三个最低阶的边界约束在这个倒置涉及的信使函数$A_n$最小化中，它自身很接近边界，数值化最小化的接近边界的信使函数的斜率，或者最优化信使函数的光滑性（边界附近的二阶变量的数值化最小性）。如果你有任何关于这个信号描述的先验信息，这两者中的任意一个更适应当前问题的方法都可被你挑选。

表面温度值的季节循环，举个例子，在时间中是近似平稳的，因此，最小斜率约束是很适应这个重建问题的。

通俗地讲，然而一个近似最优的信号重建可以永远通过寻找三个约束权值的最优线性组合。该组合保证了 原始数据和重构数据的均方误差最小。我们推荐时域倒置方法