我必须处理多个时间序列$X_n$在增加的时间不均匀或不规则地采样$\Theta=\{t_k\}_{k\in \mathbb{Z}}$($t_k<t_{k+1}$）。如果这有帮助，这是一个固有的未知抖动：$t_k$表示来自单位间隔的实数$[t_k,t_{k+1}[$. 此外，可能存在额外的空白或抽样丢失：一些$t_k$对于给定的可能是未定义的 (NaN)$X_n$.

我已经在使用非均匀方案来计算有限差分和傅里叶变换。现在我想知道窗户。我想在相同持续时间的运行窗口上同时使用因果和非因果的$T$跨越不同的时间序列$X_n$. 我通常会有短帧，从五个到二十/三十个样本内$T$时期。我面临的问题是，例如，对于最多五个样本帧，我可能拥有所有样本$\{t_0,t_1,t_2,t_3,t_4\}$为了$X_1$， 和$\{t_1,t_2,t_4\}$为了$X_2$因为辍学。有几种选择可以通过这些样本拟合相同的连续窗口公式，并根据单位总重量调整它们。

到目前为止，我正在使用因果指数窗口，最大值为$t_4$，以及单位重量的标准化标准化。但我以后可能需要更聪明的技术。

我想知道：

• 是否存在选择适当的窗口端点的最佳实践，
• 关于上述选择对傅里叶域中特征的影响的参考论文，特别是对于短窗口，
• 如果您使用技巧来合并与未知“抖动”相关的不确定性，因为确切的时间位置在间隔中是未知的$[t_k,t_{k+1}[$.
• 奖励：如果它可以简化答案，$t_k$可以是相对整数（-3、2、78、11、23 等）的子集