A general class of models for stationary two-dimensional random processes
平稳二维随机过程的一般模型类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：摘要的对象是二维空间过程，一维 ARMA 仅作方法类比，未直接研究所列时间序列或网络主题。
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
平稳二维随机过程的一般模型类
- 研究问题
- 如何为平稳二维空间随机过程建立可计算的谱密度与协方差模型，并向一维有理谱密度和 ARMA 方法的对应体系推进？
- 方法与思路
- 作者构造由不同二次形式组成的有理谱密度，其协方差表示为修正贝塞尔函数组合，并采用递归计算和随机微分方程。
- 材料陈述的贡献
- 摘要称，递归方法使复杂模型的协方差计算可行，随机微分方程提供物理解释与生成方法，为二维过程建模提供基础。
- 阅读关注点
- 核对谱密度合法性、参数约束、空间方向特征的表达，以及递归计算和过程生成方法是否具有明确的适用范围。
- 阅读边界
- 仅据版本未注明的索引摘要，无法确定参数识别、估计理论或计算误差；与一维 ARMA 的类比不等于完整理论已经建立。
原文摘要
A parametric family of spectral density-covariance function pairs for stationary spatial processes is introduced. The spectral densities are rational functions of elliptic forms along with factors in the numerator that may be of mixed hyperbolic, parabolic or elliptic form. The resulting covariance functions are linear combinations of modified Bessel functions of the second kind, which have been shown to be the natural basis for two-dimensional covariance functions (Whittle, 1963). Recursive computation techniques make calculation of the covariance functions feasible for even the most complicated models. Stochastic differential equations are used to provide a physical basis for the models as well as to develop methods for generation of the resultant processes. The results provide a step toward development of a general theory and methodology for the identification and estimation of two-dimensional processes to parallel the rational spectral density/autoregressive-moving average approach for one-dimensional processes.