×

兹马思-数学第一资源

平稳时间序列盲源分离估计量的统计性质。(英语) Zbl公司 1312.62110
摘要:我们假设观测到的p时间序列是p潜伏期不相关弱平稳时间序列的线性组合。然后,问题是,使用观察到的p变量时间序列,找到一个估计的混合或分解矩阵的组合。估计的不相关时间序列可能会有很好的解释,可以用于进一步的分析。流行的AMUSE算法利用观测到的时间序列的协方差和自方差来寻找分解矩阵的估计。本文在一般条件下,导出了AMUSE估计量的极限分布,并说明了这些结果如何用于估计量的比较。给出了一般MA(\(\infty\)过程AMUSE估计的极限协方差矩阵的精确公式。

理学硕士:
62M10 统计学中的时间序列、自相关、回归等(GARCH)
62小时25分 因子分析和主成分分析;对应分析
62小时12分 多元分析中的估计
6220国集团 非参数推理的渐近性质
软件:
ICALAB公司;
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 贝鲁克拉尼,A。;阿贝德梅莱姆,K。;卡多索,J.-F。;Moulines,E.,使用二阶统计量的盲源分离技术,IEEE信号处理汇刊,45434-444,(1997)
[2] 布鲁克威尔,P.J。;Davis,R.A.,《时间序列:理论和方法》(1991年),Springer Verlag纽约·Zbl公司 673.62085
[3] 西科奇,A。;自适应盲信号与图像处理:学习算法与应用(2002),威利奇切斯特
[4] 伊尔莫宁,P。;涅瓦莱宁,J。;Oja,H.,多元分布特征与不变坐标系,统计学与概率字母,801844-1853,(2010)·Zbl公司 1202.62068
[5] 伊尔莫宁,P。;诺德豪森,K。;奥贾。;李丽拉,E.,《独立分量分析的新性能指标:性质计算与渐近分析》,第229-236页
[6] 刘伟。;曼迪奇,D.P。;Cichoki,A.,盲源分离CCA方法的分析与在线实现,IEEE神经网络汇刊,181505-1510,(2007)
[7] Nordhausen,K.,Cardoso,J.-F.,Miettinen,J.,Oja,H.,Ollila,E.,Taskinen,S.,2012。JADE:JADE和其他BSS方法以及一些BSS性能标准,R包1.1版。
[8] 苏,N。;Lund,R.,bartlett公式的多变量版本,多元分析杂志,105,18-31,(2012)·Zbl公司 1234.60039
[9] 泰斯,F.J。;üller,N.S。;工厂,C。;Bö《稳健二阶声源分离识别生物医学成像中的实验反应》,第466-473页
[10] 唐,L。;刘,R。;很快,V.C。;黄永福,盲辨识的不确定性与可辨识性,IEEE电路与系统汇刊,38499-509,(1991)·Zbl公司 737.93016
[11] Tong,L.,Soon,V.C.,Huang,Y.F.,Liu,R.,1990。AMUSE:一种新的盲辨识算法,载:IEEE电路与系统国际研讨会论文集,1990年,第1784-1787页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。