Regression with Systematic Noise
含系统性噪声的回归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：相关噪声与滤波并不自动构成时间序列研究，摘要的航天器回归应用无法直接归入所列细分。
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
含系统性噪声的回归
- 研究问题
- 航天器观测中的高度相关系统性噪声如何影响线性回归，能否通过特定矩阵消除其对回归参数估计的作用？
- 方法与思路
- 作者给出噪声协方差矩阵逆的显式表达及级数展开，并以展开的首项构造滤波矩阵，替代精确逆矩阵进行参数估计。
- 材料陈述的贡献
- 摘要称，滤波矩阵能够消除估计中的系统性噪声，且在所有能够消除此类噪声的矩阵中具有作者所定义的最优性。
- 阅读关注点
- 应核对系统性噪声的具体结构、滤波后参数是否仍可估计，以及最优性的目标、比较范围和级数近似条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出最优性准则和完整条件；展开参数的上下标需核对原文，不能据此重构公式。
原文摘要
This paper identifies a type of highly correlated noise—systematic noise—that often arises in applications of linear regression to observations of spacecraft. An explicit formula is given for the inverse of the covariance matrix. The inverse matrix has a simple series expansion in ε2, where 1/ε is the amplitude of the systematic noise. When the leading term, the so-called filter matrix, is used in place of the exact inverse to estimate the regression parameters, the systematic noise is eliminated. The filter matrix is shown to be optimum among all matrices that eliminate systematic noise from the estimates. An example is discussed.