Weak Convergence and Adaptive Peak Estimation for Spectral Densities
谱密度峰值位置的弱收敛与自适应估计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：摘要直接研究平稳时间序列的周期图、谱密度及谱峰估计。
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
谱密度峰值位置的弱收敛与自适应估计
- 研究问题
- 如何从平稳时间序列估计谱密度峰值的位置，并自动选择平滑程度，使估计达到渐近均方误差最优？
- 方法与思路
- 作者直接核平滑周期图，通过偏离坐标与带宽坐标组成的双参数随机过程弱收敛，构造自适应带宽选择。
- 材料陈述的贡献
- 摘要称，自适应峰值估计量可最小化渐近均方误差，并讨论能实现该性质的全局、局部带宽及实际使用问题。
- 阅读关注点
- 应核对谱峰形状和唯一性、时间依赖及光滑性条件、带宽选择规则，以及最优性所针对的比较范围。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；未给出收敛率及具体条件，渐近最优不能直接保证有限样本精度。
原文摘要
Adaptive nonparametric kernel estimators for the location of a peak of the spectral density of a stationary time series are proposed and investigated. They are based on direct smoothing of the periodogram where the amount of smoothing is determined automatically in an asymptotically optimal fashion. These adaptive estimators minimize the asymptotic mean squared error. Adaptivity is derived from the weak convergence of a two-parameter stochastic process in a deviation and a bandwidth coordinate to a Gaussian limit process. Efficient global and local bandwidth choices which lead to adaptive peak estimators and practical aspects are discussed.