可分Hilbert空间中弱平稳随机过程的Gramian-Cramér表示及其应用

@第{Durand2019WeaklySS条,title={在可分Hilbert空间中取值的弱平稳随机过程:Gramian-Cram{\'e}r表示与应用},author={Amaury Durand和Franccois Roueff},journal={ESAIM:概率与统计},年份={2019},网址={https://api.semanticscholar.org/CorpusID:237497417}}
在过去十年中,可分离希尔伯特空间中弱平稳过程的谱理论重新引起了人们的关注。在这里,我们遵循前面的方法,这些方法充分利用了时域的正常希尔伯特模特性。关键是将Gramian-Cramér表示构建为从模谱域到模时域的同构映射。我们还讨论了一般的Bochner定理,并提供了有关合成和反演的有用结果

询问这篇论文
AI供电

多元Mat’ern模型——一种谱方法

经典的Mat’ern模型一直是空间统计中的主要模型。然而,环境和物理科学中新的数据丰富应用需要新的、灵活的向量值空间和