×
尼科·利赞;Lauri Viitasaari，劳里;保丽娜·伊尔莫宁

对复值平稳过程的时间不相关分量进行建模。 （英语） Zbl 1478.62121号

国防部。烟囱。，理论应用。 8，编号4，475-508（2021）.
摘要：考虑离散弱平稳过程的复值线性混合模型。感兴趣的潜在成分被回收，并经历了线性混合。研究了基于协方差矩阵和带滞后（τ）的自方差矩阵同时对角化的经典分解估计量的渐近性质。主要贡献是可以应用于一大类过程的渐近结果。在相关文献中，通常假设过程具有弱相关性。对这类估计进行了扩展，并考虑了强依赖结构下的分解估计。特别地，对于长短程相关复值过程，估计了分解估计量的渐近行为。因此，该理论涵盖了收敛速度较慢的非混合估计量和产生非高斯渐近分布的非混合估计器。该方法是一种强大的预处理工具，在统计学的几个领域都有很高的应用价值。

MSC公司：

62甲12 多元分析中的估计
60F05型 中心极限和其他弱定理
60克15 高斯过程
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
2012年12月62日 参数估计量的渐近性质
62E20型 统计学中的渐近分布理论
94年12月 信号理论（表征、重建、滤波等）

关键词：

渐近理论;盲源分离;长期依赖性;多元分析;非中心极限定理

软件：

长备忘录;内部控制系统;ICALAB公司;jpeg格式;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{N.LietzéN}等人，修改。烟囱。，理论应用。8，编号4，475--508（2021；Zbl 1478.62121）
全文： 内政部 arXiv公司

参考文献：

[1] Adali，T.，Schreier，P.J.：复值信号的优化和估计：滤波和盲源分离的理论和应用。IEEE信号处理。Mag.31（5），112-128（2014）。MR1824645。
[2] Arcones，M.A.：平稳高斯向量序列非线性泛函的极限定理。《概率年鉴》22（4），2242-2274（1994）。1331224英镑·Zbl 0839.60024号
[3] Bai，S.，Taqqu，M.：长程依赖背景下的多元极限定理。J.时间序列。分析34（6），717-743（2013）。MR3127215·Zbl 1291.62160号
[4] Bai，S.，Taqqu，M.：广义Hermite过程，离散混沌和极限定理。斯托克。过程。申请124（4），1710-1739（2014）。MR3163219·Zbl 1282.60043号
[5] Beran，J.：长记忆过程统计。查普曼和霍尔，纽约（1994年）。MR1304490型·Zbl 0869.60045号
[6] Beran，J.、Feng，Y.、Ghosh，S.、Kulik，R.：长记忆过程：概率特性和统计方法。施普林格（2013）。MR3075595·Zbl 1282.62187号
[7] Billingsley，P.：概率与测度，周年纪念版。霍博肯·威利（2012）。MR2893652型·Zbl 1236.60001号
[8] Breuer，P.，Major，P.：高斯场非线性泛函的中心极限定理。J.多变量。分析13（3），425-441（1983）。MR0716933·Zbl 0518.60023号
[9] Cichocki，A.，Amari，S.-i.：自适应盲信号和图像处理：学习算法和应用，第1卷。John Wiley&Sons（2002）
[10] Comon，P.，Jutten，C.：盲源分离手册：独立成分分析和应用。学术出版社（2010）
[11] Dobrushin，R.L.，Major，P.：高斯场非线性泛函的非中心极限定理。Z.Wahrscheinlichkeits理论。版本。Geb.50，27-52（1979）。MR0550122·Zbl 0397.60034号
[12] Embrechts，P.，Maejima，M.：自相似过程，第111页。普林斯顿大学出版社，新泽西州普林斯顿（2002）。MR1920153型·Zbl 1008.60003号
[13] Eriksson，J.、Ollila，E.、Koivunen，V.：复杂随机变量的基本统计和工具。IEEE传输。信号处理。58（10），5400-5408（2010）。MR2722676·兹比尔1392.94197
[14] Fan，J.，Wang，M.，Yao，Q.：通过条件不相关分量建模多元波动率。J.R.Stat.Soc.，塞尔维亚。B、 Stat.Methodol.70（4），679-702（2008）。MR2523899·Zbl 05563364号
[15] Goodman，N.：基于某种多元复高斯分布的统计分析（简介）。安。数学。《美国联邦法律大全》第34（1）卷第152-177页（1963年）。MR0145618·Zbl 0122.36903号
[16] Ilmonen，P.：关于复值独立分量分析中基于散布矩阵的估计的渐近性质。统计概率。Lett.83（4），1219-1226（2013）。MR3041396·Zbl 1489.62166号
[17] Ilmonen，P.，Oja，H.，Serfling，R.：关于不变坐标系（ICS）泛函。《国际统计》第80版（1），第93-110页（2012年）。MR2990347·Zbl 1422.62175号
[18] Leonenko，N.：奇异谱随机场的极限定理，第465卷。斯普林格（1999）。MR1687092·Zbl 0963.60048号
[19] Li，H.，Correa，N.M.，Rodriguez，P.A.，Calhoun，V.D.，Adali，T.：自适应密度模型独立成分分析在复杂值fMRI数据中的应用。IEEE传输。生物识别。工程58（10），2794-2803（2011）
[20] Lietzén，n.，Virta，J.，Nordhausen，K.，Ilmonen，P.：BSS的最小距离指数，推广，解释和渐近性。澳大利亚。J.Stat.49（4），57-68（2020）
[21] Makogin，V.，Spodarev，E.：具有长程相关性的从属高斯随机场偏移集的极限定理。随机，1-32（2021）
[22] Matteson，D.S.，Tsay，R.S.：多元时间序列的动态正交分量。《美国统计协会期刊》106（496），1450-1463（2011）。2896848先生·Zbl 1323.62086号
[23] Miettinen，J.，Nordhausen，K.，Oja，H.，Taskinen，S.：平稳时间序列盲源分离估计器的统计特性。统计概率。Lett.82（11），1865-1873（2012）。MR2970285·Zbl 1312.62110号
[24] Miettinen，J.、Illner，K.、Nordhausen，K.，Oja，H.、Taskinen，S.、Theis，F.J.：使用自方差矩阵分离不相关平稳时间序列。J.时间序列。分析37（3），337-354（2016）。MR3512961·Zbl 1381.62250号
[25] Miettinen，J.，Matilainen，M.，Nordhausen，K.，Taskinen，S.：使用独立成分分析提取条件异方差成分。J.时间序列。分析41（2），293-311（2020）。MR4086188·Zbl 1447.62104号
[26] Nordhausen，K.，Oja，H.，Tyler，D.E.等人：探索多元数据的工具：ICS包。《J.Stat.Softw》28（6），1-31（2008）
[27] Nourdin，I.，Peccati，G.：Stein关于Wiener混沌的方法。普罗巴伯。理论关联。Fields145（1），75-118（2009）。MR2520122·Zbl 1175.60053号
[28] Nourdin，I.，Peccati，G.：Stein方法和高斯场泛函的精确Berry-Esseen渐近性。《概率年鉴》37（6），2231-2261（2010）。MR2573557·Zbl 1196.60034号
[29] Nourdin，I.，Peccati，G.：使用Malliavin微积分的正规逼近：从Stein方法到普遍性。剑桥大学出版社（2012）。MR2962301·Zbl 1266.60001号
[30] Nourdin，I.，Peccati，G.，Podolskij，M.：定量Breuer-Major定理。斯托克。过程。申请121（4），793-812（2011）。MR2770907·Zbl 1225.60045号
[31] Picinnano，B.：二阶复随机向量和正态分布。IEEE传输。信号处理。44（10），2637-2640（1996）
[32] R核心团队：R：统计计算语言和环境。奥地利维也纳R统计计算基金会（2018年）。R统计计算基金会。https://www.R-project.org/
[33] Samorodnitsky，G.：长期依赖。找到。趋势统计。系统1（3），163-257（2007）。MR2379935·Zbl 1242.60033号
[34] Taqqu，M.：分数布朗运动和Rosenblatt过程的弱收敛。普罗巴伯。理论关联。字段31（4），287-302（1975）。MR0400329·Zbl 0303.60033号
[35] Tong，L.，Soon，V.，Huang，Y.-F.，Liu，R.：Amuse：一种新的盲辨识算法。摘自：IEEE电路与系统国际研讨会，第1784-1787页。IEEE（1990）。
[36] Tudor，C.A.：自相似过程的变化分析：随机微积分方法。施普林格（2013）。MR3112799·Zbl 1308.60004号
[37] Urbanek，S.：Jpeg：读取和写入Jpeg图像。(2014). R包版本0.1-8。https://CRAN.R-project.org/package=jpeg
[38] Van der Vaart，A.W.：渐近统计，第3卷。剑桥大学出版社（2000）。MR1652247·Zbl 0910.62001号
[39] Viitasaari，L.，Ilmonen，P.：关于建模一类弱平稳过程。前面。申请。数学。统计数字15（2020年）·Zbl 1459.60082号
[40] Wendler，M.，Wu，W.B.：近似长程从属线性过程的中心极限定理。J.应用。概率57（2），637-656（2020）。MR4125469·Zbl 1446.60023号
[41] Zarzoso，V.，Comon，P.：通过峰度的迭代最大化与代数最优步长进行稳健独立分量分析。IEEE传输。神经网络21（2），248-261（2009）
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。