Estimation of the Parameters in Stationary Autoregressive Processes after Hard Limiting
硬限幅后平稳自回归过程的参数估计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：摘要直接研究平稳自回归过程及其二元化观测下的参数估计，属于时间序列方法。
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
硬限幅后平稳自回归过程的参数估计
- 研究问题
- 正态平稳自回归序列被压缩为二元记录后，如何仅利用游程或子序列估计原过程参数，并评估信息损失？
- 方法与思路
- 作者修改二元化数据的似然函数，以游程及子序列构造参数估计；一阶情形可通过游程或过轴次数估计。
- 材料陈述的贡献
- 摘要称，该方法适合长记录的快速估计，但硬限幅造成信息损失，使其效率低于通常的极大似然估计。
- 阅读关注点
- 应核对二元化规则、修改似然的形式、不同自回归阶数的参数恢复条件，以及速度与效率之间的实际权衡。
- 阅读边界
- 所据为稿件版本未注明的索引摘要，不能推断刊本变化。结论针对正态平稳自回归过程，具体效率损失未说明。
原文摘要
Estimates of the parameters in normal autoregressive (AR(p)) processes may be obtained as functions of certain runs and subsequences in the associated clipped 0 − 1 processes. For example, the parameter in AR (1) is a function of the number of 1 runs only. Equivalently, this parameter can be estimated by counting only the number of axis crossings by the process. The estimates are obtained by a modification of the likelihood function of the clipped data. The loss of information because of hard limiting results in a loss of efficiency relative to the usual maximum likelihood estimates. Nevertheless, for large records our procedure yields quick estimates that do perform well.