Penalized multivariate Whittle likelihood for power spectrum estimation
用于功率谱估计的惩罚多元 Whittle 似然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：摘要明确研究向量时间序列的多元谱分析，直接对应时间序列方法；分类依据是方法内容，而非室内空气质量应用。
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
用于功率谱估计的惩罚多元 Whittle 似然
- 研究问题
- 如何对向量时间序列的功率谱进行灵活的非参数估计，同时容许不同谱分量具有不同平滑程度，并满足谱矩阵的几何约束？
- 方法与思路
- 作者最小化惩罚 Whittle 负对数似然，以正则性惩罚控制平滑程度，同时处理谱矩阵正定性及谱函数的 Hermitian 与周期结构。
- 材料陈述的贡献
- 摘要称该方法能够兼顾分量间不同的平滑程度与谱结构约束，推导了估计量一致性，并通过模拟和室内空气质量数据展示表现。
- 阅读关注点
- 应核对正则性惩罚如何构造、结构约束如何落实、平滑参数如何选择，以及周期图近似和一致性结论依赖的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；一致性条件和有限样本结果未说明，应用并非宏观数据。
原文摘要
Nonparametric estimation procedures that can flexibly account for varying levels of smoothness among different functional parameters, such as penalized likelihoods, have been developed in a variety of settings. However, geometric constraints on power spectra have limited the development of such methods when estimating the power spectrum of a vector-valued time series. This article introduces a penalized likelihood approach to nonparametric multivariate spectral analysis through the minimization of a penalized Whittle negative loglikelihood. This likelihood is derived from the large-sample distribution of the periodogram and includes a penalty function that forms a measure of regularity on multivariate power spectra. The approach allows for varying levels of smoothness among spectral components while accounting for the positive definiteness of spectral matrices and the Hermitian and periodic structures of power spectra as functions of frequency. The consistency of the proposed estimator is derived and its empirical performance is demonstrated in a simulation study and in an analysis of indoor air quality.