Efficient nonparametric estimation of Toeplitz covariance matrices
Toeplitz 协方差矩阵的高效非参数估计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：摘要涉及谱密度与 Whittle 似然，直接关联时间序列的协方差和频域估计。
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
Toeplitz 协方差矩阵的高效非参数估计
- 研究问题
- 如何高效估计 Toeplitz 协方差矩阵及其逆矩阵，并兼顾估计量正定性、数据驱动实现与谱范数下的误差控制？
- 方法与思路
- 作者通过数据变换，将协方差估计转化为近似高斯回归中的均值估计，并提出基于离散余弦变换的替代 Whittle 似然。
- 材料陈述的贡献
- 摘要称估计量按构造保证正定、完全由数据驱动且计算快速，并在一大类矩阵上达到谱范数下的极小极大最优性。
- 阅读关注点
- 应核对高斯回归近似的条件、矩阵类别与渐近框架，以及正定性构造、逆矩阵扩展和替代 Whittle 似然的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体平滑条件、误差界与计算表现；不能推断其他版本的结果或变化。
原文摘要
Abstract A new efficient nonparametric estimator for Toeplitz covariance matrices is proposed. This estimator is based on a data transformation that translates the problem of Toeplitz covariance matrix estimation to the problem of mean estimation in an approximate Gaussian regression. The resulting Toeplitz covariance matrix estimator is positive definite by construction, fully data driven and computationally very fast. Moreover, this estimator is shown to be minimax optimal under the spectral norm for a large class of Toeplitz matrices. These results are readily extended to estimation of inverses of Toeplitz covariance matrices. Also, an alternative version of the Whittle likelihood for the spectral density based on the discrete cosine transform is proposed.