×
克劳斯·诺德豪森;格雷戈·菲舍尔;彼得·菲兹莫瑟

合成时间序列的盲源分离。 （英语） Zbl 1472.86027号

数学。地质科学。 53，第5期，905-924（2021）.
总结：许多地质现象都会随着时间的推移进行定期测量，以跟踪发展和变化。对于其中许多现象，绝对值不重要，而重要的是相对信息，这意味着数据是组成时间序列。因此，在分析数据时，应考虑序列性质和成分几何形状。多元时间序列已经具有挑战性，特别是如果它们是高维的，潜在变量模型是处理此类数据的一种流行方法。盲源分离技术是一种成熟的时间序列潜在因素模型，有许多变体涵盖了完全不同的时间序列模型。在此，我们回顾了几种此类方法及其假设，并展示了如何将其应用于高维组合时间序列。此外，还提出了一种新的盲源分离方法，该方法对于潜在时间序列的假设非常灵活。该方法通过模拟和应用于取自下奥地利州一条小溪的水样的光吸收数据进行了说明。

引用于1文件

MSC公司：

86A32型 地理统计学
62米10 统计学中的时间序列、自相关、回归等（GARCH）
60G55型 点过程（例如，泊松、考克斯、霍克斯过程）

关键词：

二阶源分离;随机波动性;非平稳源分离;等距对数比例坐标

软件：

fGarch公司;国家开发署;BSSasymp公司;玉;tsBSS系统;R度量;对;斯托克沃尔;晶格
PDF格式BibTeX公司 XML格式引用
\textit{K.Nordhausen}等人，《数学》。地质科学。53，编号：5905-924（2021年；兹bl 1472.86027）
全文： 内政部

参考文献：

[1] Aitchison，J.，《成分数据的统计分析》（2003），考德威尔：布莱克本出版社，考德维尔·Zbl 0688.62004号
[2] AL-Dhurafi，北美；Masseran，北卡罗来纳州。；Zamzuri，ZH，空气污染指数数据的组成时间序列分析，斯托克环境研究风险评估，322903-2911（2018）·doi:10.1007/s00477-018-1542-0
[3] Bachoc，F。；MG杰顿；诺德豪森，K。；Ruiz-Gazen，A。；Virta，J.，空间盲源分离，Biometrika（2019）·Zbl 1451.62052号 ·doi:10.1093/biomet/asz079
[4] Belouchrani，A。；Abed-Meraim，K。；卡多佐，J-F；Moulines，E.，使用二阶统计的盲源分离技术，IEEE Trans-Signal Process，45434-444（1997）·数字对象标识代码：10.1109/78.554307
[5] J.伯格曼。；Holmquist，B.，《民意调查：黄土成分模型》，Scand J Stat，41，301-310（2014）·Zbl 06298503号 ·doi:10.1111/sjos.12023
[6] Cardoso，J-F，使用高阶矩进行源分离，Proc IEEE Int Conf Acust语音信号处理，42109-2112（1989）
[7] 卡多佐，J-F；Souloumiac，A.，非高斯信号的盲波束形成，IEE Proc F，140362-370（1993）
[8] Chang，J。；郭，B。；Yao，Q.，二阶平稳向量时间序列的主成分分析，Ann Stat，46，2094-2124（2018）·Zbl 1454.62255号
[9] Choi，S。；Cichocki，A.，噪声混合物中非平稳源的盲分离，Electron Lett，36848-849（2000）·doi:10.1049/el:20000623
[10] Choi S，Cichocki A（2000b）从噪声混合物中盲分离非平稳和时间相关源。收录：2000年IEEE信号处理学会会议记录信号处理用神经网络X1，第405-414页
[11] 科蒙，P。；Jutten，C.，《盲源分离手册》。《独立成分分析与应用》（2010），牛津：学术出版社，牛津
[12] 道森，P。；向下，P。；米尔斯，TC，《奥运新闻与奥运态度：事件如何影响情绪的合成时间序列分析》，《应用统计杂志》，411307-1314（2014）·Zbl 1352.91026号 ·doi:10.1080/02664763.2013.868417
[13] 艾德，A。；施特劳斯，P。；Krueger，T。；Quinton，JN，悬浮泥沙负荷与滞后效应的比较计算（奥地利佩岑基兴流域），《水文杂志》，389168-176（2010）·doi:10.1016/j.jhydrol.2010.05.043
[14] Egozcue，JJ；Pawlowsky-Glahn，V。；Mateu-Figueras，G。；Barceló-Vidal，C.，《成分数据分析的等距对数比变换》，《数学地理学》，35，279-300（2003）·Zbl 1302.86024号 ·doi:10.1023/A:1023818214614
[15] Filzmoser P（2020）StatDA：环境数据的统计分析。R软件包版本1.7.4。http://CRAN.R-project.org/package=StatDA。2020年3月13日访问
[16] 菲尔兹莫瑟，P。；Hron，K。；Reimann，C.，《含有离群值的成分数据的主成分分析》，环境计量学，20621-632（2009）·doi:10.1002/env.966
[17] 菲尔兹莫瑟，P。；Hron，K。；Templ，M.，《应用成分数据分析》，R（2018）中的示例，Cham:Springer，Cham·兹比尔1284.62049 ·doi:10.1007/978-3-319-96422-5
[18] Fischer G（2020）成分时间序列的盲源分离。硕士论文。奥地利维也纳TU Wien
[19] Illner，K。；Miettinen，J。；富克斯，C。；Taskinen，S。；诺德豪森，K。；Oja，H。；Theis，FJ，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）·doi:10.1016/j.sigpro.2015.017.017
[20] Ilmonen，P。；诺德豪森，K。；Oja，H。；Ollila，E。；维格纳龙，V。；扎尔佐索，V。；莫罗，E。；Gribonval，R。；Vincent，E.，《ICA的新性能指标：特性、计算和渐近分析》，“潜在变量分析和信号分离”，LNCS 6365，229-236（2010），海德堡：斯普林格，海德伯格·doi:10.1007/978-3-642-15995-4_29
[21] Kastner，G.，使用R包stochvol处理时间序列中的随机波动性，J Stat Softw，69，1-30（2016）·doi:10.18637/jss.v069.i05
[22] Kynclova，P。；菲尔兹莫瑟，P。；Hron，K.，用向量自回归模型建模成分时间序列，J Forecast，34，303-314（2015）·Zbl 1376.62105号 ·doi:10.1002/用于2336
[23] Larrosa，JMC，《构成时间序列：过去与展望》，《经济年鉴》，第103期（2017年）
[24] Matilainen M，Croux C，Miettinen J，Nordhausen K，Oja H，Taskinen S，Virta J（2019）tsBSS：时间序列的盲源分离和监督降维。R包版本0.5.3
[25] Matilainen，M。；Miettinen，J。；诺德豪森，K。；Oja，H。；Taskinen，S.，《独立成分分析和随机波动率模型》，奥地利统计局，46，57-66（2017）·doi:10.17713/ajs.v46i3-4.671
[26] Matilainen，M。；诺德豪森，K。；Oja，H.，《时间序列的新独立成分分析工具》，Stat Probab Lett，105，80-87（2015）·Zbl 1396.62214号 ·doi:10.1016/j.spl.2015.04.033
[27] 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，Stat Probab Lett，821865-1873（2012）·Zbl 1312.62110号 ·doi:10.1016/j.spl.2012.06.025
[28] 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》，《多变量分析杂志》，第123期，第214-227页（2014年）·Zbl 1278.62147号 ·doi:10.1016/j.jmva.2013.09.009
[29] Miettinen，J。；Illner，K。；诺德豪森，K。；Oja，H。；Taskinen，S。；Theis，F.，使用自方差矩阵分离不相关平稳时间序列，《时序分析杂志》，37，337-354（2014）·Zbl 1381.62250号 ·doi:10.1111/jtsa.12159
[30] Miettinen，J。；诺德豪森，K。；Taskinen，S.，《R中基于联合对角化的盲源分离：JADE和BSSasymp包》，J Stat Softw，76，1-31（2017）·doi:10.18637/jss.v076.i02
[31] Miettinen，M。；Matilainen，M。；诺德豪森，K。；Taskinen，S.，使用独立成分分析提取条件异方差成分，《时序分析杂志》，41，293-311（2019）·兹比尔1447.62104 ·doi:10.1111/jtsa.12505
[32] 诺德豪森，K。；Oja，H.，《独立成分分析：统计视角》，Wiley Interdiscip Rev Comput Stat，10，e1440（2018）·doi:10.1002/wics.1440
[33] 诺德豪森，K。；Oja，H。；菲尔兹莫瑟，P。；Reimann，C.，《空间相关成分数据的盲源分离》，《数学地球科学》，47，753-770（2015）·兹比尔1323.86031 ·doi:10.1007/s11004-014-9559-5
[34] 诺德豪森，K。；Oja，H。；奥利拉；亨特博士；理查兹，DSR；罗森伯格，JL，《多元模型和前四阶矩》，《非参数统计和混合模型：托马斯·海特曼斯佩格纪念活动》，267-287（2011），新加坡：世界科学出版社，新加坡·Zbl 1414.62171号 ·doi:10.1142/9789814340564_0016
[35] Pawlowsky-Glahn，V。；Egozcue，JJ；Tolosana-Delgado，R.，《成分数据建模与分析》（2015），奇切斯特：威利
[36] R核心团队（2019）R：统计计算的语言和环境。奥地利维也纳R统计计算基金会
[37] Sarkar，D.，Lattice：R的多元数据可视化（2008），纽约：Springer，纽约·Zbl 1166.62003年 ·数字对象标识代码：10.1007/978-0-387-75969-2
[38] 斯奈德，RD；订单，JK；Koehler，AB；KR迈凯轮；Beaumont，AN，《预测组成时间序列：状态空间方法》，《国际预测杂志》，33，502-512（2017）·doi:10.1016/j.ij预测2016.11.008
[39] Tong，L。；很快，VC；黄，YF；Liu，R.，AMUSE:一种新的盲辨识算法，Proc IEEE Int Symp Circuits Syst，19901784-1787（1990）·doi:10.1109/ISCAS.1990.111981
[40] Wuertz，D。；塞茨，T。；Chalabi，Y。；Boudt，C。；Chausse，P。；Miklovac，M.，fGarch：Rmetrics-自回归条件异方差建模，R Package Vers，3042，83，1（2019）
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。