On Phase-Lag Estimation from Non-Gaussian Time Series
非高斯时间序列的相位滞后估计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：摘要直接研究非高斯线性时间序列、创新项恢复与相位滤波，符合时间序列方向。
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
非高斯时间序列的相位滞后估计
- 研究问题
- 对于包含相位超前的非可逆线性时间序列，如何估计补偿性的相位滞后滤波器，以恢复过程的创新项？
- 方法与思路
- 作者将创新项恢复视为时间序列反卷积问题，通过最大化所选统计量或投影指标估计补偿滤波器，并开展模拟比较。
- 材料陈述的贡献
- 摘要称，模拟显示全频带理想情形中表现较好的统计量，在频带受限情形中可能明显较差，提示比较结论依赖频带环境。
- 阅读关注点
- 应核对非高斯性如何帮助相位识别、滤波器的参数化与优化方法，并比较全频带和受限频带下的模拟设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出所比较的统计量、识别条件及误差指标，不能给出通用方法排序。
原文摘要
An important problem in the physical sciences is estimation of the innovations of a noninvertible linear process. Here the problem of deconvolving such a time series containing a phase-lead is investigated. A compensating phase-lag filter is sought, and is estimated by maximization of a chosen statistic or projection index. It is demonstrated by simulation that a statistic which is superior to another in the ideal case of a full-band time series can be substantially inferior in the band-limited case.