我正在分析一个可能由叠加指数组成的瞬态信号。Prony 分析表明了这种情况，但我的数据不够无噪音，所以我求助于 Kumaresan-Tufts (KT) 算法。

在阅读了原始文章（Estimating the Parameters of Exponentially Damped Sinusoids and Pole-Zero Modeling in Noise , 1982）和一些谷歌搜索之后，我使用了Matlab 包 Complex Exponential Analysis和或多或少的工作

我现在关心的是对过程的直觉——或者更好的是，它的输入参数（因为类似 FFT 的思维当然是不可能的）：

• 我应该期望增加或减少模型订单吗？
• 如何评估用于信号重建的模式数量以及如何从输出参数（阻尼、频率、复振幅）中选择它们？
• 在应用 KT 方法之前是否有任何推荐的信号处理？例如为 FFT 去除数据趋势。
• 信号的时间反转是否有帮助？这将意味着衰减指数而不是增长。