Detecting frequency modulation in stochastic time series data
随机时间序列中的频率调制检测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：摘要提出时间序列检验，并专门检测振荡频率变化引起的非平稳性。
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…
随机时间序列中的频率调制检测
- 研究问题
- 如何从随机时间序列识别振荡频率发生变化的非平稳过程，并在不选择数据依赖超参数的情况下构造可解释的检验？
- 方法与思路
- 作者以瞬时相位构造判别统计量，通过替代数据生成临界值，并利用振荡型二阶自回归过程模拟评估检验尺寸与功效。
- 材料陈述的贡献
- 摘要称方法计算成本低、易解释；在序列后半段频率翻倍的模拟设定中，正确识别非平稳数据的比例超过百分之九十九。
- 阅读关注点
- 应核对替代数据生成机制、瞬时相位的计算及零假设，检查样本长度、噪声强度和其他频率变化方式下的尺寸与功效。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；高识别率来自特定频率翻倍模拟，摘要未说明对其他非平稳形式的表现。
原文摘要
We propose a new statistical test to identify non-stationary frequency-modulated stochastic processes from time series data. Our method uses the instantaneous phase as a discriminatory statistics with reliable critical values derived from surrogate data. We simulated an oscillatory second-order autoregressive process to evaluate the size and power of the test. We found that the test we propose is able to correctly identify more than 99% of non-stationary data when the frequency of simulated data is doubled after the first half of the time series. Our method is easily interpretable, computationally cheap and does not require choosing hyperparameters that are dependent on the data.