Automatic estimation of the cross-spectrum of a bivariate time series
二元时间序列互谱的自动估计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：摘要明确研究二元时间序列的互谱、Whittle 似然与频域平滑，直接属于时间序列方法。
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
二元时间序列互谱的自动估计
- 研究问题
- 如何自动平滑估计二元时间序列的互谱，同时保证所得谱密度矩阵正定，并客观选择平滑参数？
- 方法与思路
- 作者把惩罚 Whittle 似然扩展到互谱估计，采用迭代加权最小二乘计算，并以积分平方误差损失的估计选择平滑参数。
- 材料陈述的贡献
- 摘要称数值实验中该估计优于互周期图的标准核平滑估计，并给出呼吸与心率时间序列分析；未提供具体改进幅度。
- 阅读关注点
- 核对互谱估计如何满足矩阵正定约束、迭代计算步骤、损失估计的依据，以及数值比较采用的模型与评价标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未报告实验设置或误差数值，所述改进不能推广为对核平滑方法的普遍优势。
原文摘要
The penalised Whittle likelihood has recently been shown to have good properties in nonparametric estimation of spectral density functions. This paper extends the approach to the estimation of the cross-spectrum of a bivariate time series. One major difference from the univariate case is that the cross-spectrum estimate is not constrained to be positive, but must result in a positive definite spectral density matrix. An efficient computational method based on iterative reweighted least-squares is described, and an estimate of the integrated squared-error loss is derived and used as an objective criterion to allow automatic selection of the smoothing parameters. Numerical experiments indicate that the proposed estimate improves on the standard estimate based on kernel smoothing of the cross-periodograms. An analysis of respiration and heart rate time series is given as an illustrative example.