WIENER–KOLMOGOROV FILTERING, FREQUENCY-SELECTIVE FILTERING, AND POLYNOMIAL REGRESSION
维纳–柯尔莫哥洛夫滤波、频率选择滤波与多项式回归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：摘要聚焦短非平稳序列、趋势处理及时间序列的时域和频域滤波。
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
维纳–柯尔莫哥洛夫滤波、频率选择滤波与多项式回归
- 研究问题
- 如何将经典维纳–柯尔莫哥洛夫滤波用于较短的非平稳序列，并处理频率成分分离及趋势序列滤波中的起始端问题？
- 方法与思路
- 作者调整经典滤波器以适用于短非平稳序列，介绍时域与频域的替代方法，并提出处理含趋势数据滤波起始端问题的方法。
- 材料陈述的贡献
- 摘要称频域方法可沿清晰频率分界分离数据成分而不产生泄漏，并给出趋势序列滤波起始端问题的新处理，但未展示构造细节。
- 阅读关注点
- 应核对非平稳性如何处理、频率分界与无泄漏的精确定义，以及边界条件和多项式回归在滤波构造中分别承担什么作用。
- 阅读边界
- 所给 Crossref 摘要未说明滤波公式、边界处理条件或比较结果；无泄漏的陈述不能直接推及任意数据和滤波器，也不能推断版本变化。
原文摘要
Adaptations of the classical Wiener–Kolmogorov filters are described that enable them to be applied to short nonstationary sequences. Alternative filtering methods that operate in the time domain and the frequency domain are described. The frequency-domain methods have the advantage of allowing components of the data to be separated along sharp dividing lines in the frequency domain, without incurring any leakage. The paper contains a novel treatment of the start-up problem that affects the filtering of trended data sequences.