Discrimination of Time Series by Parametric Filtering
通过参数滤波区分时间序列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：摘要直接研究平稳时间序列的滤波、自相关与混合谱结构，提供了选择时间序列方向的明确方法依据。
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
通过参数滤波区分时间序列
- 研究问题
- 如何利用滤波后序列的一阶自相关区分平稳时间序列的相关结构，并处理同时包含不同谱成分的序列？
- 方法与思路
- 作者将参数化滤波器组与滤波后的一阶自相关分析结合，把自相关写成随滤波参数变化的刻画函数。
- 材料陈述的贡献
- 摘要称该函数唯一刻画原序列相关结构，形成平滑单调的诊断，并称自然样本估计在混合谱情形下也一致收敛。
- 阅读关注点
- 应核对滤波器定义、唯一刻画与平滑单调性质的条件，以及一致收敛所用参数范围和混合谱的具体含义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列明定理条件和区分误差，所称唯一刻画针对相关结构，不能扩展为完整分布。
原文摘要
A new approach to time series discrimination is discussed. The approach, called parametric filtering, combines a parametric filter bank with an analysis of first-order autocorrelation from the filtered time series. As a function of the filter parameter, the first-order autocorrelation is shown to uniquely characterize the correlation structure of the original stationary time series. It is also shown to produce a diagnostic that not only characterizes correlation structures, but also transforms these structures into smooth and monotone functions. Natural sample estimators of these characterization functions are shown to be uniformly consistent even for mixed-spectrum time series. Examples are provided to demonstrate the potential applications of the method in discrimination of time series with a special emphasis on time series of mixed spectra.