Multivariate Bayesian P-spline estimation of spectral density matrices, with application to LISA TDI noise
谱密度矩阵的多元贝叶斯 P 样条估计及 LISA TDI 噪声应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以平稳多元时间序列的谱密度矩阵、交叉谱和 Whittle 似然为核心，直接对应时间序列方法。
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…
谱密度矩阵的多元贝叶斯 P 样条估计及 LISA TDI 噪声应用
- 研究问题
- 如何估计平稳多元时间序列随频率变化的交叉谱矩阵，保证正定性并校准不确定性，同时检验简化的对角噪声假设是否可靠？
- 方法与思路
- 作者对逆谱矩阵采用频率变化的 Cholesky 分解和惩罚样条先验，结合分块 Whittle 似然、温度化校准及 NUTS 后验采样。
- 材料陈述的贡献
- 摘要称模拟中可恢复对角与交叉谱结构，误差随样本量下降；LISA 模拟噪声应用显示对角简化在对称情形接近完整模型，在非对称情形明显失效。
- 阅读关注点
- 应核对平稳性及 Whittle 近似条件、样条先验和温度参数选择，并检查可信区间覆盖、RISE 指标及两类 LISA 噪声配置。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要的性能证据来自合成基准与公开模拟数据，不能直接推断真实 LISA 观测中的表现。
原文摘要
We present a Bayesian P-spline method for estimating the frequency-dependent cross-spectral density matrix of stationary multivariate time series. The inverse spectral matrix is parametrised through its frequency-varying Cholesky decomposition, which guarantees Hermitian positive definiteness at every frequency. Each real log-diagonal entry and each real and imaginary off-diagonal entry is given an independent penalised B-spline prior that controls smoothness. Inference uses a blocked, coarse-grained Whittle likelihood with safe-Bayes $η$-tempering to stabilise posterior calibration, sampled by the No-U-Turn Sampler from a variational initialisation. On synthetic VAR(2) benchmarks with known ground truth, the method recovers both diagonal and cross-spectral structure, attains near-nominal credible-interval coverage, and achieves a relative integrated squared (Frobenius) error (RISE) that decreases with sample size. We then apply the method to publicly released simulated LISA time-delay interferometry (TDI) data in two noise configurations. In the idealised symmetric case, the full multivariate model and a reduced model that assumes a diagonal AET noise covariance agree to within $\sim10^{-3}$ in RISE. Under realistic noise that is asymmetric across the six Movable Optical Sub-Assemblies (MOSAs), the AET-diagonal assumption fails by more than an order of magnitude in RISE ($\sim\!3.3\!\times\!10^{-2}$ versus $\sim\!10^{-3}$), whereas the full multivariate model recovers the cross-spectral structure.