Lombs periodogram

Lombs Periodogram, eller Lomb-Scargle Periodogram, är en metod för att skatta frekvensspektrum för data som inte är samplade med jämnt intervall [1][2].

Antag att data är x i {\displaystyle x_{i}} , tillgängliga vid tidpunkter t i {\displaystyle t_{i}} för i = 1 , . . . , N {\displaystyle i=1,...,N} .

Spektrumet vid ω {\displaystyle \omega } kan då skattas genom att beräkna

P ( ω ) = ( i = 1 N x i cos ( ω ( t i τ ( ω ) ) ) ) 2 i = 1 N cos 2 ( ω ( t i τ ( ω ) ) ) + ( i = 1 N x i sin ( ω ( t i τ ( ω ) ) ) ) 2 i = 1 N sin 2 ( ω ( t i τ ( ω ) ) ) {\displaystyle P(\omega )={\frac {\left(\sum _{i=1}^{N}{x_{i}\cos \left(\omega \left(t_{i}-\tau \left(\omega \right)\right)\right)}\right)^{2}}{\sum _{i=1}^{N}{\cos ^{2}(\omega (t_{i}-\tau (\omega )))}}}+{\frac {\left(\sum _{i=1}^{N}{x_{i}\sin(\omega (t_{i}-\tau (\omega )))}\right)^{2}}{\sum _{i=1}^{N}{\sin ^{2}(\omega (t_{i}-\tau (\omega )))}}}}

där τ {\displaystyle \tau } definieras med hjälp av

tan ( 2 ω τ ) = i = 1 N sin ( 2 ω t i ) i = 1 N cos ( 2 ω t i ) {\displaystyle \tan(2\omega \tau )={\frac {\sum _{i=1}^{N}{\sin(2\omega t_{i})}}{\sum _{i=1}^{N}{\cos(2\omega t_{i})}}}} .

Scargle visade att den här skattningen är statistiskt ekvivalent med ett vanligt periodogram vid jämnt samplad data [2].

Lomb visade i sin tur att skattningen är ekvivalent med en minsta-kvadrat skattningen vid varje frekvens [1], med andra ord ges samma resultat genom att först beräkna

s ω = [ sin ( ω t 1 ) sin ( ω t 2 ) sin ( ω t N ) ] {\displaystyle \mathbf {s} _{\omega }={\begin{bmatrix}\sin(\omega t_{1})\\\sin(\omega t_{2})\\\vdots \\\sin(\omega t_{N})\end{bmatrix}}} , c ω = [ cos ( ω t 1 ) cos ( ω t 2 ) cos ( ω T N ) ] {\displaystyle \mathbf {c} _{\omega }={\begin{bmatrix}\cos(\omega t_{1})\\\cos(\omega t_{2})\\\vdots \\\cos(\omega T_{N})\end{bmatrix}}} , x = [ x 1 x 2 x N ] {\displaystyle \mathbf {x} ={\begin{bmatrix}x_{1}\\x_{2}\\\vdots \\x_{N}\end{bmatrix}}}

samt

A ω = [ s ω c ω ] {\displaystyle A_{\omega }={\begin{bmatrix}\mathbf {s} _{\omega }&\mathbf {c} _{\omega }\end{bmatrix}}}

och spektrumet kan sedan skattas genom att beräkna

[ S ω C ω ] = ( A ω T A ω ) A ω T x {\displaystyle {\begin{bmatrix}S_{\omega }\\C_{\omega }\end{bmatrix}}=(A_{\omega }^{T}A_{\omega })A_{\omega }^{T}\mathbf {x} } ,

där

P ( ω ) = S ω 2 + C ω 2 {\displaystyle P(\omega )=S_{\omega }^{2}+C\omega ^{2}} .

Referenser

  1. ^ [a b] Lomb, N. R. (1976-02). ”Least-squares frequency analysis of unequally spaced data”. Astrophysics and Space Science 39 (2): sid. 447–462. doi:10.1007/bf00648343. ISSN 0004-640X. http://dx.doi.org/10.1007/bf00648343. Läst 27 oktober 2021. 
  2. ^ [a b] Scargle, J. D. (1982-12). ”Studies in astronomical time series analysis. II - Statistical aspects of spectral analysis of unevenly spaced data”. The Astrophysical Journal 263: sid. 835. doi:10.1086/160554. ISSN 0004-637X. http://dx.doi.org/10.1086/160554. Läst 27 oktober 2021.