A New Statistic for Testing Covariance Equality in High-Dimensional Gaussian Low-Rank Models
高维高斯低秩模型中检验协方差相等的新统计量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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确针对多变量时间序列的协方差检验，支持时间序列分类；未涉及宏观因子或金融波动率的直接应用。
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…
高维高斯低秩模型中检验协方差相等的新统计量
- 研究问题
- 当多个高维复高斯多变量时间序列的协方差均为单位矩阵加低秩扰动时，如何检验这些协方差是否相等？
- 方法与思路
- 作者基于各协方差特征值的估计构造统计量，在样本量与维度同速趋于无穷、秩和序列数量固定的框架下分析。
- 材料陈述的贡献
- 摘要称，新统计量具有一致性与第一类错误控制，并在合成数据和 SAR 图像比较中较若干经典及高维方法有所改善。
- 阅读关注点
- 核对低秩信号及噪声限制、序列观测的依赖条件、临界值构造，以及高维比例和比较方法设定对结果的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给完整定理条件与改善数值，结论限于所述模型和渐近框架。
原文摘要
In this paper, we consider the problem of testing equality of the covariance matrices of L complex Gaussian multivariate time series of dimension $M$ . We study the special case where each of the L covariance matrices is modeled as a rank K perturbation of the identity matrix, corresponding to a signal plus noise model. A new test statistic based on the estimates of the eigenvalues of the different covariance matrices is proposed. In particular, we show that this statistic is consistent and with controlled type I error in the high-dimensional asymptotic regime where the sample sizes $N_1,\ldots,N_L$ of each time series and the dimension $M$ both converge to infinity at the same rate, while $K$ and $L$ are kept fixed. We also provide some simulations on synthetic and real data (SAR images) which demonstrate significant improvements over some classical methods such as the GLRT, or other alternative methods relevant for the high-dimensional regime and the low-rank model.