The Dimensionality of the Aliasing Problem in Models with Rational Spectral Densities
有理谱密度模型中混叠问题的维度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：摘要明确讨论连续时间过程、离散时间数据与谱密度矩阵，并将问题置于时间序列分析中，直接对应时间序列方法。
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
有理谱密度模型中混叠问题的维度
- 研究问题
- 从离散时间数据识别连续时间过程参数时，会留下多少观测等价模型？限制谱密度矩阵为有理形式能减少多少混叠歧义？
- 方法与思路
- 作者将分析限定于具有有理谱密度矩阵的连续时间过程，研究离散采样下的参数识别，以及观测等价模型数量如何受该限制影响。
- 材料陈述的贡献
- 摘要称论文重新考察混叠造成的识别问题，并分析有理谱密度限制对观测等价模型集合的作用；具体维度或缩减结果未列明。
- 阅读关注点
- 应核对离散采样机制、连续与离散参数间的映射，以及观测等价集合的维度如何定义、有理谱密度限制何时带来识别改善。
- 阅读边界
- 摘要未给出识别条件、维度公式或具体例子；不能据此判断有理谱密度限制是否足以消除混叠，也不能确认适用的采样频率。
原文摘要
This paper reconsiders the aliasing problem of identifying the parameters of a continuous time stochastic process from discrete time data. It analyzes the extent to which restricting attention to processes with rational spectral density matrices reduces the number of observationally equivalent models. It focuses on rational specifications of spectral density matrices since rational parameterizations are commonly employed in the analysis of the time series data.