该文将小波方法应用于时间序列分析中,主要解决相关的时间序列中的条件均值函数和条件方差函数的非参数估计.以及近周期相关序列的频率检测问题.第一章简要介绍了小波的基本知识,如小波函数,尺度函数和多分辨分析的概念.在实际中常常用到的Daubechies的紧支撑正交小波的构造方法,以及区间上正交小波的构造方法,同时也回顾了小波方法在统计中,特别是在时间序列分析和非参数统计中的应用.如非线性光滑,回归函数中变点的检测等等.在第二章,我们将小波方法在回归估计中对设计变量以及噪声项的要求条件放宽,给出了在以下非线性回归模型中条件均值函数的非线性小波估计.第三章我们考虑了在模型（1）中条件方差函数的小波估计,在基于局部平均的条件方差函数的初估计得到后,构造经验小波系数,并利用小波压缩的思想构造出条件方差函数的估计,同样可以证明,条件方差函数的非线性小波估计在Besov球B<,p,q>（H）中,可达到（次）最优收敛速度.在第四章中我们考虑了在非线性AR（1）模型中条件均值函数的小波估计.第五章考虑了近周期相关时间序列的频率检测,近周期相关过程和周期相关过程是弱平稳过程的推广,广泛应用在通讯,气象科学及经济研究领域中.