Covariance Characterization by Partial Autocorrelation Matrices
用偏自相关矩阵刻画协方差函数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：摘要明确讨论多变量平稳过程、偏自相关和谱分析，直接属于时间序列方法，但未限定宏观数据。
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
用偏自相关矩阵刻画协方差函数
- 研究问题
- 研究标量平稳过程由偏自相关序列刻画的性质能否推广到多变量过程，以及如何用矩阵形式表示其协方差结构。
- 方法与思路
- 作者以矩阵偏相关序列描述多变量平稳过程的协方差函数，并将各矩阵的奇异值大小限制作为这一刻画的组成部分。
- 材料陈述的贡献
- 摘要称多变量平稳过程的矩阵协方差函数可由奇异值不超过一的矩阵偏相关序列刻画，并可据此推广最大熵谱分析方法。
- 阅读关注点
- 应核对协方差与相关的归一化方式、刻画是否涉及奇异边界情形，以及偏相关矩阵的构造和最大熵谱扩展步骤。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；矩阵刻画的完整条件与谱分析实现未提供，不能据此判断有限样本估计或预测表现。
原文摘要
It is known that the autocorrelation function of a stationary discrete-time scalar process can be uniquely characterized by the so-called partial autocorrelation function, which is a sequence of numbers less or equal to one in magnitude. We show here that the matrix covariance function of a multivariate stationary process can be characterized by a sequence of matrix partial correlations, having singular values less than or equal to one in magnitude. This characterization can be used to extend to the multivariate case the so-called maximum entropy spectral analysis method.