最小平方頻譜分析法

最小平方頻譜分析法（英語：Least-squares spectral analysis）是一種利用最小平方法尋找適配於資料點之最佳正弦曲線，以估算頻譜的方法。其數學原理與科學界中最常用的傅立葉分析相似。一般而言，傅立葉分析會將間隔較長之訊號的長周期雜訊放大，而最小平方頻譜分析法則解決了這個問題。 最小平方頻譜分析法也稱為凡尼切克法（Vaníček method）、隆布法（Lomb method）或隆布—史卡構法（Lomb–Scargle method），分別取名自對其有所貢獻的、尼可拉斯·隆布（Nicholas R. Lomb）以及傑佛瑞·史卡構（Jeffrey D. Scargle）。此外，麥可·科恩伯格（Michael Korenberg）、史考特·陳（Scott Chen）以及等人也曾開發出與之關係密切的其它方法。