Non-Asymptotic Pointwise and Worst-Case Bounds for Classical Spectrum Estimators
经典谱估计量的非渐近逐点与最坏情形误差界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：摘要明确研究时间序列的谱估计及频率域误差界，直接对应时间序列方法，但没有提供宏观经济应用证据。
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
经典谱估计量的非渐近逐点与最坏情形误差界
- 研究问题
- 当时间序列样本量固定且有限时，如何刻画谱估计在特定频率以及所有频率上的误差，补充已有渐近理论的局限？
- 方法与思路
- 作者为一类谱估计量建立非渐近误差界，再将统一方法用于 Blackman–Tukey、Bartlett 和 Welch 等经典估计量。
- 材料陈述的贡献
- 摘要称给出逐频率与全频率最坏情形误差界，并将 Bartlett 和 Welch 估计量的相应结果表述为首次非渐近界。
- 阅读关注点
- 应核对过程依赖性、尾部及平稳性等要求是否存在，区分偏差与随机误差，并查看误差界怎样依赖样本量和调节参数。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明误差界的具体条件、常数和紧致性，首次贡献的范围也需核对全文。
原文摘要
Spectrum estimation is a fundamental methodology in the analysis of time-series data, with applications including medicine, speech analysis, and control design. The asymptotic theory of spectrum estimation is well-understood, but the theory is limited when the number of samples is fixed and finite. This paper gives non-asymptotic error bounds for a broad class of spectral estimators, both pointwise (at specific frequencies) and in the worst case over all frequencies. The general method is used to derive error bounds for the classical Blackman-Tukey, Bartlett, and Welch estimators. In particular, these are first non-asymptotic error bounds for Bartlett and Welch estimators.