Automatic Statistical Analysis of Bivariate Nonstationary Time Series
二元非平稳时间序列的自动统计分析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：摘要明确研究二元非平稳序列、局部谱和相干性估计，直接对应时间序列方法，未明确提出结构突变检验。
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…
二元非平稳时间序列的自动统计分析
- 研究问题
- 如何自动分析二元非平稳时间序列，选择近似平稳的时间区块和平滑跨度，并估计随时间变化的谱与相干性？
- 方法与思路
- 作者使用同时局部化于时间和频率的平滑局部复指数变换，自动分段并选择平滑跨度，构造时变谱和相干性估计。
- 材料陈述的贡献
- 摘要称证明平滑周期图估计量的一致性，报告模拟结果，并将方法用于癫痫发作期间记录的双通道脑电数据。
- 阅读关注点
- 应核对近似平稳区块的判定、跨度选择规则、一致性成立的条件，以及分段和平滑选择如何影响谱与相干性估计。
- 阅读边界
- 索引摘要版本未注明，未给出一致性条件或模拟数值；脑电应用不能直接证明方法适用于任意经济时间序列。
原文摘要
We propose a new method for analyzing bivariate nonstationary time series. The proposed method is a statistical procedure that automatically segments the time series into approximately stationary blocks and selects the span to be used to obtain the smoothed estimates of the time-varying spectra and coherence. It is based on the smooth localized complex exponential (SLEX) transform, which forms a library of orthogonal complex-valued transforms that are simultaneously localized in time and frequency. We show that the smoothed SLEX periodograms are consistent estimators, report simulation results, and apply the method to a two-channel electroencephalogram dataset recorded during an epileptic seizure.