使用短时间序列数据进行精确的频率估计 - 最大熵方法或Yule Walker AR方法？

Question

我使用Lomb-Scargle代码估算短时间序列中的某些频率，时间序列显示在第一张图片中。 Lomb-Scargle分析的结果显示在第二个，我已经放大了一个突出的峰值，每天约2个周期。然而，这个峰值是模糊的，因此证明难以解决该组件的实际频率。是否有其他方法或改进我正在使用的方法，以准确解决这个短时间序列中的重要频率成分？

有一些关于短时间序列here的方法使用的信息，但不清楚是否需要定期抽样。理想情况下，我正在寻找一种适用于不规则采样数据的方法，从一些研究看来，最大熵方法就是答案，但我不确定这些方法是否已在MATLAB中实现？虽然从this link开始，似乎有一种等效的方法，'Yule-Walker AR方法产生与最大熵估计量相同的结果。然而，还不清楚数据是否需要统一采样？