萨拉·塔西宁;贾里·米提宁;克劳斯·诺德豪森 一种分离不相关平稳时间序列的更有效的二阶盲辨识方法。 （英文） Zbl 1419.62251号 统计概率。莱特。 116, 21-26 (2016). 摘要：经典的二阶信源分离方法使用具有多个滞后的自方差矩阵的近似联合对角化来估计分解矩阵。基于最近的渐近结果，我们提出了一种新的分解矩阵估计器，该估计器从用户指定的有限候选集中选择最佳滞后集。仿真研究证明了该理论。 引用于三文件 MSC公司： 62米10 统计学中的时间序列、自相关、回归等（GARCH） 62甲12 多元分析中的估计 62E20型 统计学中的渐近分布理论 关键词：仿射等方差;渐近正态性;联合对角化;线性过程;最小距离指数;SOBI公司 软件：固定点算法;R（右）;BSSasymp公司;AS 211标准;玉 PDF格式BibTeX公司 XML格式引用 \textit{S.Taskinen}等人，统计概率。莱特。116、21-26（2016；Zbl 1419.62251） 全文： 内政部 链接 参考文献： [1] Belouchrani，A。；Abed-Meraim，K。；卡多佐，J.-F。；Moulines，E.，一种使用二阶统计的盲源分离技术，IEEE Trans。信号处理。，45, 434-444 (1997) [2] Clarkson，D.B.，算法AS 211的最小二乘版本：F-G对角化算法，应用。统计，37，317-321（1988） [3] 科蒙，P。；Jutten，C.，《盲源分离手册》。《独立成分分析与应用》（2010），学术出版社：阿姆斯特丹学术出版社 [4] Hyvärinen，A。；Karhunen，J。；Oja，E.，《独立成分分析》（2001），John Wiley and Sons：John Willey and Sons New York [5] Illner，K。；Miettinen，J。；富克斯，C。；Taskinen，S。；诺德豪森，K。；Oja，H。；Theis，F.J.，使用二阶盲源分离算法的极限分布进行模型选择，信号处理。，113, 95-103 (2015) [6] Ilmonen，P。；诺德豪森，K。；Oja，H。；Ollila，E.，《ICA的新性能指标：特性计算和渐近分析》，（Vigneron，V.；Zarzoso，V.，Moreau，E.；Gribonval，R.；Vincent，E.，潜在变量分析和信号分离（2010），施普林格：施普林格-海德堡），229-236 [7] Miettinen，J.，《SOBI的替代对角性标准》（Nordhausen，K.；Taskinen，S.，《现代非参数、稳健和多元方法》，《纪念Hannu Oja的Festschrift》（2015），施普林格：施普林格Cham），455-469·Zbl 1336.62003年 [8] Miettinen，J。；Illner，K。；诺德豪森，K。；Oja，H。；Taskinen，S。；Theis，F.，使用自协方差矩阵分离不相关的平稳时间序列，时间序列杂志。分析。，37, 337-354 (2016) ·Zbl 1381.62250号 [9] Miettinen，J。；诺德豪森，K。；Oja，H。；Taskinen，S.，平稳时间序列盲源分离估计器的统计特性，Statist。普罗巴伯。莱特。，82, 1865-1873 (2012) ·Zbl 1312.62110号 [10] Miettinen，J。；诺德豪森，K。；Oja，H。；Taskinen，S.，基于通缩的不相关平稳时间序列分离，J.多元分析。，123, 214-227 (2014) ·Zbl 1278.62147号 [12] Miettinen，J。；诺德豪森，K。；Taskinen，S.，基于联合对角化的盲源分离。R：软件包JADE和BSSasymp，J.Stat.Softw。（2016），（印刷中） [15] 唐英年。；刘建勇。；Sutherland，M.T.，《从EEG中恢复相关神经元源：使用SOBI的好方法和坏方法》，NeuroImage，7507-519（2005） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。