ARMA譜估計
線性系統可以用線性差分方程進行描述，這種差分模型就是自回歸----滑動平均模型（AutoRegression----Moving Average,ARMA ）。
：任何壹個有理式的功率譜密度都可以用壹個ARMA隨機過程的功率譜密度精確逼近。
ARMA模型定義若離散隨機過程{x（n）}服從線性差分方程x（n）+Ai*x（n-i）=e（n）+Bj*e（n-j）
式中i=1,2,…p;j=1,2,…q;e（n）是壹離散白噪聲，則稱{x（n）}為ARMA過程，而上式稱為ARMA模型。
系數和分別稱為自回歸（AR）參數和滑動平均（MA）參數，而p和q分別叫做AR階數和MA階數。
顯然，ARMA模型描述的是壹個時不變的線性系統。
具有AR階數p和MA階數Q的ARMA過程常記作用ARMA（p,q）。
ARIMA模型，差分自回歸滑動平均模型（滑動也譯作移動），又稱求合自回歸滑動平均模型，時間序列預測分析方法之壹。
ARIMA（p,d,q）中，AR是自回歸，p為自回歸項數；
MA為滑動平均，q為滑動平均項數，d為使之成為平穩序列所做的差分次數（階數）。