Bias correction of quadratic spectral estimators
二次谱估计量的偏误修正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：摘要明确研究时间序列功率谱密度与多类非参数谱估计量。
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…
二次谱估计量的偏误修正
- 研究问题
- 时间序列功率谱的滞后窗、多窗和 Welch 估计虽具一致性，有限样本偏误仍可能显著；作者研究更一般的偏误修正。
- 方法与思路
- 作者将已有针对 Welch 估计的偏误修正推广至二次估计量家族，覆盖滞后窗、多窗及其组合，并允许结合已有窗函数设计。
- 材料陈述的贡献
- 摘要称，研究为更广泛的二次谱估计提供偏误修正理论，模拟比较支持该理论；方法可与既有减偏设计配合使用。
- 阅读关注点
- 应核对二次估计量的覆盖范围、偏误修正的构造与理论条件，以及修正对方差、谱形状和实际计算负担的影响。
- 阅读边界
- 仅据所给 Crossref 摘要，具体减偏幅度及均方误差变化未提供；计算量高于常见的 n log n，但准确阶数未说明。
原文摘要
Summary The three cardinal, statistically consistent families of nonparametric estimators for the power spectral density of a time series are the lag-window, multitaper and Welch estimators. However, when estimating power spectral densities from a finite sample, each can be subject to nonignorable bias. Astfalck et al. (2024) developed a method that offers significant bias reduction for finite samples for Welch’s estimator, which this article extends to the larger family of quadratic estimators, thus providing similar theory for bias correction of lag-window and multitaper estimators as well as combinations thereof. Importantly, this theory may be used in conjunction with any and all tapers and lag-sequences designed for bias reduction, and so should be seen as an extension to valuable work in these fields, rather than a supplanting methodology. The order of computation is larger than the $ {O}(n\log n) $ which is typical in spectral analyses, but it is not insurmountable in practice. Simulation studies support the theory with comparisons across variations of quadratic estimators.