Super-resolution estimation of cyclic arrival rates
周期性到达率的超分辨率估计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：摘要研究随时间变化的周期到达强度，并明确连接周期图与谱估计。
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…
周期性到达率的超分辨率估计
- 研究问题
- 如何利用到达过程的周期性，估计非齐次 Poisson 过程的强度，并在周期成分数量、幅度和相位未知时获得高分辨率？
- 方法与思路
- 作者以若干正弦波表示强度，在点过程领域使用窗函数，构造介于经典周期图与原子范数或全变差范数阈值方法之间的程序。
- 材料陈述的贡献
- 摘要称该方法无需半正定规划即可实现超分辨率，在适当条件下有有限样本保证，并扩展谱估计领域的既有结果。
- 阅读关注点
- 应核对周期数量和频率的选择规则、频率可分辨条件、窗函数作用、强度的有效性，以及有限样本保证的误差指标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列出适当条件、误差界或计算比较，不能将超分辨率保证理解为任意信号可分辨。
原文摘要
Exploiting the fact that most arrival processes exhibit cyclic behaviour, we propose a simple procedure for estimating the intensity of a nonhomogeneous Poisson process. The estimator is the super-resolution analogue to Shao (2010) and Shao and Lii [J. R. Stat. Soc. Ser. B. Stat. Methodol. 73 (2011) 99–122], which is a sum of $p$ sinusoids where $p$ and the amplitude and phase of each wave are not known and need to be estimated. This results in an interpretable yet flexible specification that is suitable for use in modelling as well as in high resolution simulations. Our estimation procedure sits in between classic periodogram methods and atomic/total variation norm thresholding. Through a novel use of window functions in the point process domain, our approach attains super-resolution without semidefinite programming. Under suitable conditions, finite sample guarantees can be derived for our procedure. These resolve some open questions and expand existing results in spectral estimation literature.