Periodogram-Based Estimators of Fractal Properties
基于周期图的分形性质估计量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：摘要明确研究平稳过程的周期图、频域估计与混叠，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
基于周期图的分形性质估计量
- 研究问题
- 如何利用连续平稳高斯过程在固定区间内的观测，估计其分形指数与分形维数，并避免参数化协方差函数？
- 方法与思路
- 作者使用周期图的余弦部分，即半周期图，通过其对数与频率相关量的线性回归估计分形性质，并分析混叠。
- 材料陈述的贡献
- 摘要称文章推导估计量的偏差、方差和渐近分布，在协方差原点附近的温和条件下可利用固定区间观测实现一致性。
- 阅读关注点
- 应核对半周期图与回归变量的准确定义、固定区间下的渐近观测方案，以及局部协方差条件与混叠的影响。
- 阅读边界
- 所给材料为稿件版本未注明的 OpenAlex 索引摘要；频率变换措辞不清，需查阅原文，不能自行修正公式或推断收敛率。
原文摘要
We suggest an estimator, based on the periodogram, of the fractal index and fractal dimension of a continuous, stationary Gaussian process. We argue that the cosine part of the periodogram is more appropriate than the full periodogram for this application. The term "semiperiodogram" is used to describe the cosine component, and our estimator is based on simple linear regression of the logarithm of the semiperiodogram on the algorithm of frequency. Theoretical properties of the estimator, including its bias, variance and asymptotic distribution, are derived. Consistency is possible using only a small trace of the process, recorded over a fixed interval. We do not need to model the covariance function parametrically, and assume only mild conditions on the behaviour of the covariance in the neighbourhood of the origin. The issue of aliasing is discussed in both theoretical and numerical terms, and the numerical properties of the estimator are assessed in a simulation study.