本篇硕士论文主要讨论的是采用FFT方法和Lomb—Scargle方法对模拟信号的周期进行检测。众所周知，时间序列的周期表达式对基因工程来说，意义十分重大，我们通常应用FFT算法实现对均匀采样周期函数的周期检测，这种检测方法可以说是理想化的，毕竟通过实验采样而得到的数据不仅含有噪音(操作过程误差，实验仪器测量误差造成的噪音等等)，而且采样得到的数据并非是均匀采样的，这就给模拟信号的周期检测的过程造成不便。通常情况下经过有限点列采样后进行插值，经过均匀化后再检测其周期性，但是插值过程造成的局部或整体误差很大。本文主要通过Lomb—Scargle的方法对模拟信号进行周期性检测。同时对比FFT方法与Lomb—Scargle方法的优缺点，并通过数值模拟实验数据来分析各种方法的优缺点。 最后，对于含有噪音列的周期性采样点集，本文也设法通过滤波器方法直接过滤噪音，对过滤后的非均匀采样集，如何才能使用FFI方法对其进行周期性检测呢？由此，本文首先采用三次样条函数对非均匀采样集进行均匀化插值，再采用FFI方法对处理后的数据进行周期检测。其次，本文第三章内容引进平移不变空间的性质，对周期性模拟信号进行局部快速重构，再均匀化选取部分数据进行周期检测，用FFT方法检测周期性数据的差异，以及讨论这种局部重构方法是否能够实现对采样集的均匀化处理。实验数据结论说明，这两种均匀化处理方法都取得了良好效果，而且，平移不变空间的局部重构法，可以直接对噪音采样集进行重构处理，显示出比三次样条插值法更为简洁的有效方法。 由于基因表达的时间序列理想模型是余弦曲线，所以本文着重就对余弦性质的模拟信号进行周期性检测，但是，L—S方法和FFI方法对周期性的非余弦性质的模拟信号的周期检测效果如何呢？本文采用太阳黑子的数据进行分析，最后的模拟实验数据结果说明，这两种方法对非余弦性质的周期函数检测，仍然有效可行。