如何用最小方差法求解时间序列的角频率与波矢及相关疑问

• 角频率（angular frequency）：描述波动随时间的振荡快慢，单位为rad/s，与普通频率f的关系是ω=2πf。对你的5分钟间隔数据而言，它代表速度序列随时间周期性变化的“快慢程度”。
• 波矢（wave vector）：三维空间中描述波传播方向与空间振荡特性的向量，记为k=(kx, ky, kz)，其方向即波的传播方向，大小与波长λ的关系是|k|=2π/λ。这里的多空间点速度时间序列可视为波动在空间上的采样，波矢对应速度波动的空间传播方向。
• 最小方差法核心逻辑：假设速度场波动满足平面波模型V(t) = A e^(i(k·r - ωt))（V为三维速度向量，A为振幅），我们要找到一组(kx,ky,kz,ω)，让速度数据偏离该模型的方差最小——方差越小，说明模型对数据的拟合度越高。

你的数据是10个空间点的三维速度时间序列，每组包含若干时间点（时间间隔5分钟）。先明确数据结构：第i个空间点的速度序列为Vx_i(t1),Vx_i(t2),...,Vx_i(tN)，Vy、Vz同理，N为每个序列的时间点数，10组对应10个空间位置(r1,r2,...,r10)。以下是可落地的细化步骤：

1. 堆叠三维数组：将每个空间点的三个速度分量按时间点展开堆叠，形成一个3N×10的矩阵（每一列对应一个空间点的完整速度时间序列）。比如把第i个空间点的所有Vx时间点、Vy时间点、Vz时间点依次拼接，作为矩阵的第i列。
2. 计算协方差矩阵：协方差矩阵描述不同空间点速度序列的相关性，维度为10×10。矩阵元素C_ij = E[(V_i - μ_i)(V_j - μ_j)^T]，其中μ_i是第i个空间点速度序列的均值，E代表对时间求平均（用样本平均替代期望）。
3. 求解特征值与特征向量：对协方差矩阵C做特征分解，得到10个特征值λ₁≤λ₂≤...≤λ₁₀，以及对应的特征向量v₁,v₂,...,v₁₀。
4. 确定波矢方向：最小特征值λ₁对应的特征向量v₁就是波矢k的方向。因为当k·(r_i - r_j) = ω(t_i - t_j)时，平面波模型的拟合残差方差最小，此时特征向量对应波矢的空间分布权重。
5. 计算角频率：结合时间间隔Δt=300秒，从最小特征值对应的特征向量相位差中提取ω。特征向量的元素对应各空间点的相位，利用空间位置差r_i - r_j与相位差的关系Δφ = k·(r_i - r_j) - ωΔt，结合波矢方向，即可解出ω。

• 傅里叶变换法：对每个空间点的速度时间序列做傅里叶变换，找到频率谱峰值对应的f，换算为ω=2πf；再对同一频率下的各空间点傅里叶系数做空间傅里叶变换，峰值对应的波数即为波矢的大小与方向。优点是直观，适合周期性强的数据；缺点是频率与空间分辨率受数据长度限制。
• 互相关法：计算不同空间点速度序列的互相关函数，找到互相关峰值对应的时间延迟τ，结合空间点距离d得到波速c=d/τ，再结合频率f算出波矢大小|k|=ω/c=2πf/c，方向由空间点连线方向确定。
• 波数-频率谱法：对时空二维数据（空间点×时间点）做二维傅里叶变换，得到波数-频率谱，谱峰对应的(kx,ky,kz,ω)即为所求。适合同时分析时空特性的波动。
• 多重信号分类（MUSIC）法：基于子空间分解，将数据协方差矩阵分解为信号子空间与噪声子空间，利用噪声子空间与波矢的正交性搜索最优(k,ω)。优点是分辨率比傅里叶变换高，适合小样本数据。

内容的提问来源于stack exchange，提问作者Tasnim