[论文解读] High order chaotic limits of wavelet scalograms under long--range dependence

Marianne Clausel, François Roueff+2 more|arXiv (Cornell University)|Jan 23, 2012

Mathematical Analysis and Transform Methods参考文献 16被引用 8

一句话总结

本文建立了长程相关高斯过程非线性函数的小波标度图的渐近分布，表明在某些条件下，极限可为高于二阶的埃尔米特分布——特别是当函数 $ G $ 组合了不同阶次的埃尔米特多项式时。关键结果揭示了样本量与尺度之间复杂相互作用，引入了一个新的临界指数 $ q^* $，用以判断极限是高斯分布还是更高阶的混沌分布。

ABSTRACT

Let $G$ be a non--linear function of a Gaussian process $\{X_t\}_{t\in\mathbb{Z}}$ with long--range dependence. The resulting process $\{G(X_t)\}_{t\in\mathbb{Z}}$ is not Gaussian when $G$ is not linear. We consider random wavelet coefficients associated with $\{G(X_t)\}_{t\in\mathbb{Z}}$ and the corresponding wavelet scalogram which is the average of squares of wavelet coefficients over locations. We obtain the asymptotic behavior of the scalogram as the number of observations and scales tend to infinity. It is known that when $G$ is a Hermite polynomial of any order, then the limit is either the Gaussian or the Rosenblatt distribution, that is, the limit can be represented by a multiple Wiener-Itô integral of order one or two. We show, however, that there are large classes of functions $G$ which yield a higher order Hermite distribution, that is, the limit can be represented by a a multiple Wiener-Itô integral of order greater than two.

研究动机与目标

• 分析长程相关高斯过程非线性变换的小波标度图的渐近行为。
• 确定标度图极限分布不仅为高斯分布或罗森布拉特分布（二阶）时的条件，而是更高阶埃尔米特分布的条件。
• 识别埃尔米特秩以及观测数与分析尺度之间相互作用在决定极限分布中的关键作用。
• 将现有小波标度图结果从一阶或二阶埃尔米特多项式扩展到一般非线性函数 $ G $，包括不同阶次埃尔米特多项式的组合。

提出的方法

• 作者将过程 $ Y_t $ 建模为非线性滤波 $ G(X_t) $ 的 $ K $ 阶差分，其中 $ \{X_t\} $ 是记忆参数 $ d \in (0, 1/2) $ 的长程相关高斯过程。
• 小波系数 $ \mathbf{W}_{j,k} $ 通过具有有限支撑和一致光滑性的滤波器 $ \mathbf{h}_j $ 定义，满足 $ L^2 $ 和渐近谱条件。
• 小波标度图定义为各位置上平方小波系数的平均值，其渐近行为在观测数 $ n_j $ 和尺度 $ \gamma_j $ 趋于无穷时被研究。
• 分析依赖于 $ G(X_t) $ 的维纳混沌展开，将其分解为正交埃尔米特多项式，并分析标度图混沌展开中的主导项。
• 关键技术工具包括小波系数的 $ L^2 $ 有界性、混沌展开中主导项的渐近分析，以及使用多重维纳-伊藤积分表示极限分布。
• 引入一个新的临界指数 $ q^* $，以根据 $ n_j $ 和 $ \gamma_j $ 的相对增长速率，判断极限是高斯分布还是阶数 $ q-1 > 2 $ 的埃尔米特分布。

实验结果

研究问题

• RQ1 在何种条件下，长程相关高斯过程非线性函数 $ G(X_t) $ 的小波标度图收敛于阶数大于二的埃尔米特分布？
• RQ2 观测数 $ n_j $ 与尺度 $ \gamma_j $ 之间的相互作用如何影响标度图的渐近分布？
• RQ3 当 $ G $ 是不同阶次埃尔米特多项式的线性组合时，是什么决定了极限为高斯分布还是更高阶埃尔米特分布？
• RQ4 埃尔米特秩在其中起什么作用？它如何影响标度图的收敛行为？
• RQ5 新临界指数 $ q^* $ 的意义是什么？它如何调控不同极限分布之间的转变？

主要发现

• 小波标度图的极限分布可以是阶数大于二的埃尔米特分布，即使 $ G $ 是一阶埃尔米特多项式与阶数 $ q > 3 $ 的多项式的线性组合。
• 当 $ q < q^* $ 时极限为高斯分布，但当 $ q > q^* $ 时，极限变为阶数 $ q-1 > 2 $ 的埃尔米特分布，其中 $ q^* $ 是依赖于 $ n_j $ 和 $ \gamma_j $ 增长速率的新临界指数。
• 收敛行为显著复杂于经典情形，因为极限不仅依赖于埃尔米特秩，还依赖于 $ n_j $ 与 $ \gamma_j $ 的相对缩放。
• 当 $ G $ 的埃尔米特秩为一，极限仍可能为非高斯且阶数为 $ q-1 $，具体取决于 $ n_j $ 与 $ \gamma_j $ 的渐近情形。
• 该结果推广了关于高斯分布与罗森布拉特极限的先前发现，表明在长程相关条件下，更高阶混沌分布自然出现在小波标度图的渐近分析中。
• 分析证实，‘约化定理’——即极限可简化为单一维纳混沌分量——仅在 $ \gamma_j \gg n_j $ 时成立，凸显了其依赖于区域的行为特征。