Wavelet Processes and Adaptive Estimation of the Evolutionary Wavelet Spectrum
小波过程与演化小波谱的自适应估计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：摘要明确研究非平稳时间序列的谱与自协方差，属于时间序列方法，应用数据为医疗序列。
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…
小波过程与演化小波谱的自适应估计
- 研究问题
- 如何为非平稳时间序列定义随时间和尺度变化的局部功率谱，并据此估计能够反映局部动态依赖的自协方差？
- 方法与思路
- 作者用离散非抽取小波构造非平稳过程，定义演化小波谱，以平滑小波周期图估计，并通过反演得到局部自协方差。
- 材料陈述的贡献
- 摘要称，该过程类推广了平稳序列的 Cramér 表示，并建立谱及局部自协方差的估计联系，以 Haar 小波和医疗序列举例。
- 阅读关注点
- 应核对过程类的正则条件、平滑与自适应选择方法、谱反演的可识别性，以及局部自协方差估计的不确定性如何刻画。
- 阅读边界
- 仅据所给 Crossref 摘要；自适应规则、具体误差界和应用数值未说明，不能将非平稳谱分析直接等同于结构突变检测。
原文摘要
Summary This paper defines and studies a new class of non-stationary random processes constructed from discrete non-decimated wavelets which generalizes the Cramér (Fourier) representation of stationary time series. We define an evolutionary wavelet spectrum (EWS) which quantifies how process power varies locally over time and scale. We show how the EWS may be rigorously estimated by a smoothed wavelet periodogram and how both these quantities may be inverted to provide an estimable time-localized autocovariance. We illustrate our theory with a pedagogical example based on discrete non-decimated Haar wavelets and also a real medical time series example.