Bias correction of quadratic spectral estimators
二次型谱估计量的偏差校正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：摘要直接研究时间序列功率谱密度的非参数估计及有限样本偏差。
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…
二次型谱估计量的偏差校正
- 研究问题
- 时间序列功率谱密度的常见非参数估计在有限样本中存在偏差时，如何将已有 Welch 校正方法扩展至更广泛的二次型估计量？
- 方法与思路
- 作者将偏差校正理论扩展至滞后窗、多窗及其组合，并允许与既有减偏数据窗和滞后序列共同使用，以模拟比较不同估计形式。
- 材料陈述的贡献
- 摘要称，研究为更广泛二次型谱估计提供减偏理论，并补充现有减偏设计；计算阶高于常见谱分析，模拟比较支持相关理论。
- 阅读关注点
- 应核对校正所依赖的谱表示和估计步骤、与不同窗函数的兼容条件，以及偏差降低伴随的方差变化和计算成本。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明具体复杂度、正则条件及模拟数值，不能仅凭减偏判断总体误差更小。
原文摘要
The three cardinal, statistically consistent, families of non-parametric estimators to the power spectral density of a time series are lag-window, multitaper and Welch estimators. However, when estimating power spectral densities from a finite sample each can be subject to non-ignorable bias. Astfalck et al. (2024) developed a method that offers significant bias reduction for finite samples for Welch's estimator, which this article extends to the larger family of quadratic estimators, thus offering similar theory for bias correction of lag-window and multitaper estimators as well as combinations thereof. Importantly, this theory may be used in conjunction with any and all tapers and lag-sequences designed for bias reduction, and so should be seen as an extension to valuable work in these fields, rather than a supplanting methodology. The order of computation is larger than O(n log n) typical in spectral analyses, but not insurmountable in practice. Simulation studies support the theory with comparisons across variations of quadratic estimators.