AdaptSPEC: Adaptive Spectral Estimation for Nonstationary Time Series
AdaptSPEC：非平稳时间序列的自适应谱估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究非平稳时间序列的局部谱，并估计未知数量及长度的时间分段，直接涉及时间序列与结构变化。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
AdaptSPEC：非平稳时间序列的自适应谱估计
- 研究问题
- 如何在分段数量与长度未知时分析可能非平稳的时间序列，并估计各段局部频谱，以刻画随时间变化的频率结构？
- 方法与思路
- 作者在贝叶斯框架下自适应分段，以平滑样条估计局部谱，采用局部 Whittle 似然乘积和可逆跳跃 MCMC 进行估计。
- 材料陈述的贡献
- 摘要称，该方法可联合处理未知分段与局部谱估计，无须指定底层过程的参数形式，并展示脑电和厄尔尼诺相关应用。
- 阅读关注点
- 应核对分段先验、最短段长、局部 Whittle 近似条件，以及分段与谱估计的不确定性和 MCMC 混合情况。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；未指定参数过程不代表无假设，近似条件与模拟数值未提供。
原文摘要
We propose a method for analyzing possibly nonstationary time series by adaptively dividing the time series into an unknown but finite number of segments and estimating the corresponding local spectra by smoothing splines. The model is formulated in a Bayesian framework, and the estimation relies on reversible jump Markov chain Monte Carlo (RJMCMC) methods. For a given segmentation of the time series, the likelihood function is approximated via a product of local Whittle likelihoods. Thus, no parametric assumption is made about the process underlying the time series. The number and lengths of the segments are assumed unknown and may change from one MCMC iteration to another. The frequentist properties of the method are investigated by simulation, and applications to electroencephalogram and the El Niño Southern Oscillation phenomenon are described in detail.