Spectral analysis of a stationary time series using initially scarce data
利用初期稀疏数据进行平稳时间序列谱分析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：摘要明确涉及平稳时间序列的谱估计、采样间隔变化及混叠问题。
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
利用初期稀疏数据进行平稳时间序列谱分析
- 研究问题
- 当观测过程中采样间隔在某一时点缩短，即前期采样较稀疏时，如何估计平稳时间序列的谱并处理混叠问题？
- 方法与思路
- 作者比较由一般缺失数据理论导出的简单谱估计量与针对该采样结构的混叠改进估计量，采用蒙特卡洛和渐近方差分析。
- 材料陈述的贡献
- 摘要称混叠改进估计量在所考察的有限样本比较中表现明显更好，并给出渐近方差表达，但其应用难以扩展到许多其他场景。
- 阅读关注点
- 阅读全文时应核对采样间隔改变的具体设计、混叠改进的构造、谱估计所需条件，以及模拟比较和渐近方差的适用范围。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；未提供比较数值与完整条件，所述优势限于考察情形，不能推广至任意缺失数据。
原文摘要
This paper studies the estimation of the spectrum of a stationary time series from ‘initially scarce’ data, i.e. data where the sampling period is shortened at some point during the period of observation. Two types of estimators are considered, the ‘simple’ estimators, so-called because they derive immediately from general theory which can essentially be applied to most missing data situations, and ‘alias-improved’ estimators, whose use unfortunately cannot be extended to many other situations. The estimators have been compared in finite situations by Monte Carlo methods, and the alias-improved estimators turn out to be much superior. Asymptotic expressions for the variance are also included.