神经科学和气象学等科学研究中产生的大规模结构化噪声数据经常会遇到时间依赖性。这一具有挑战性的特征可能与现有的理论框架或数据分析工具不一致。由多个会话驱动$\mathrm{<trans\; data-src="fMRI">功能磁共振成像</trans>}$时间序列数据，本文介绍了一种新的半参数推理程序，适用于时间过程数据中的一类广泛的“非平稳、非高斯、时间相关”噪声过程。基于大维噪声自协方差矩阵的锥形估计，提出了一种新的检验统计量，并建立了其渐近齐次分布。我们的方法不仅放宽了噪声协方差矩阵估计器的一致性要求，而且在不牺牲检测能力的情况下避免了直接矩阵求逆。它能很好地适应平稳和更大范围的时间噪声过程，使其在处理涉及超大规模数据和大维噪声协方差矩阵的挑战性场景时特别有效。我们通过仿真评估和实际测试证明了该方法的有效性$\mathrm{<trans\; data-src="fMRI">功能磁共振成像</trans>}$数据分析。