On Estimating the Spectral Density Function of a Stochastic Process
随机过程谱密度函数的估计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：摘要明确讨论离散参数随机过程的谱密度估计及一阶 Markov 过程，属于时间序列的频域分析问题。
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
随机过程谱密度函数的估计
- 研究问题
- 对于离散参数随机过程，如何依据期望均方误差比较谱密度估计量，并选择与过程特征相匹配的调节参数？
- 方法与思路
- 作者以期望均方误差为准则讨论已有谱密度估计量并引入新估计量，同时分析调节参数、分辨能力与统计可靠性的关系。
- 材料陈述的贡献
- 摘要称，给出了估计参数与过程参数相匹配的优化指引，并详细讨论一阶 Markov 过程，提供数值应用作为说明。
- 阅读关注点
- 应核对谱估计量及调节参数的定义、均方误差分析所需条件，以及分辨能力和统计可靠性如何度量与比较。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明估计量公式、过程限制或具体数值结果，不能断言新估计量在所有过程下更优。
原文摘要
Summary On the basis of an expected-mean-square-error criterion, the authors discuss the various hitherto proposed estimators of the spectral density function of a discrete-parameter process; they also introduce a new estimator. Any of these estimators depends on some parameter, and indications are given as to how this parameter should match those of the process in order to optimize the estimator. The alleged conflict between resolvability and statistical reliability is discussed. By way of illustration, the case of a first-order Markov process is treated in detail. Numerical applications are also given.