Speed of convergence for the blind deconvolution of a linear system with discrete random input
离散随机输入线性系统盲反卷积的收敛速度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：摘要聚焦线性系统盲反卷积，未明确对应经济时间序列、冲击识别或其他所列细分方向。
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
离散随机输入线性系统盲反卷积的收敛速度
- 研究问题
- 在离散随机输入的线性系统中，既有盲反卷积估计量在无噪声与未知噪声水平下分别具有怎样的收敛速度和极限分布？
- 方法与思路
- 作者研究既有估计方法在参数情形下的渐近性质，将无噪声收敛速度联系到逆滤波器尾部，并分析含噪声估计的极限分布。
- 材料陈述的贡献
- 摘要称，给出含噪声估计的已知极限分布以构造置信域，并将 Hankel 估计结果扩展到 Toeplitz 估计及相关形式计算。
- 阅读关注点
- 应核对系统可识别性、逆滤波器与噪声条件，置信域的归一化和实现，以及 Hankel 到 Toeplitz 扩展的具体范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体系统与噪声条件未说明，不能核实作者所称首次结果，也不能推广到一般反卷积问题。
原文摘要
In a recent paper, we proposed a new estimation method for the blind deconvolution of a linear system with discrete random input, when the observations may be noise perturbed. We give here asymptotic properties of the estimators in the parametric situation. With nonnoisy observations, the speed of convergence is governed by the $l_1$-tail of the inverse filter, which may have an exponential decrease. With noisy observations, the estimator satisfies a limit theorem with known distribution, which allows for the construction of confidence regions. To our knowledge, this is the first precise asymptotic result in the noisy blind deconvolution problem with an unknown level of noise. We also extend results concerning Hankel’s estimation to Toeplitz’s estimation and prove a formula to compute Toeplitz forms that may have interest in itself.