A test for the absence of aliasing or local white noise in locally stationary wavelet time series
局部平稳小波时间序列中无混叠或局部白噪声的检验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：摘要直接研究局部平稳时间序列、频谱、抽样混叠与局部白噪声检验。
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
局部平稳小波时间序列中无混叠或局部白噪声的检验
- 研究问题
- 局部平稳小波序列经二进抽样产生的混叠如何改变频谱与相关结构，又如何在给定时间位置检验混叠或局部白噪声？
- 方法与思路
- 作者分析二进抽样后的过程分解，利用其渐近白噪声与修正频谱成分构造局部检验，并以模拟和风能时间序列示范。
- 材料陈述的贡献
- 摘要称提出无混叠检验及局部白噪声检验，分析小波与生成小波不必相同，并指出检验功效与时间定位之间存在权衡。
- 阅读关注点
- 应核对抽样后过程分解的成立条件、局部位置与小波的选择，以及不同分析小波下检验有效性和功效的具体保证。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；小波不匹配下的稳健性不代表任意误设均有效，摘要未给出适用条件。
原文摘要
Aliasing is often overlooked in time series analysis but can seriously distort the spectrum, the autocovariance and their estimates.We show that dyadic subsampling of a locally stationary wavelet process, which can cause aliasing, results in a process that is the sum of asymptotic white noise and another locally stationary wavelet process with a modified spectrum.We develop a test for the absence of aliasing in a locally stationary wavelet series at a fixed location, and illustrate its application on simulated data and a wind energy time series.A useful by-product is a new test for local white noise.The tests are robust with respect to model misspecification in that the analysis and synthesis wavelets do not need to be identical.Hence, in principle, the tests work irrespective of which wavelet is used to analyse the time series, although in practice there is a trade-off between increasing statistical power and time localization of the test.