二维正弦模型最小绝对偏差估计量的一致性与渐近正态性
统计理论
2023-06-19 v2 机器学习
机器学习
统计理论
摘要
二维正弦模型参数估计是数字信号处理与时间序列分析中的基本问题。本文提出一种鲁棒的最小绝对偏差（LAD）估计量用于参数估计。所提方法在数据中存在离群值或重尾噪声的情况下，为最小二乘估计量等非鲁棒估计技术提供了鲁棒替代方案。我们研究了 LAD 估计量的重要渐近性质，并建立了二维正弦模型信号参数 LAD 估计量的强一致性与渐近正态性。我们通过广泛的模拟研究进一步说明了使用 LAD 估计量相对于最小二乘估计量的优势。对二维纹理数据的数据分析表明了所提 LAD 方法的实际适用性。
引用
@article{arxiv.2301.03229,
title = {On Consistency and Asymptotic Normality of Least Absolute Deviation Estimators for 2-dimensional Sinusoidal Model},
author = {Saptarshi Roy and Amit Mitra and N K Archak},
journal= {arXiv preprint arXiv:2301.03229},
year = {2023}
}
备注
21 pages, 14 tables, 3 figures