[论文解读] KLTS: A rigorous method to compute the confidence intervals for the Three-Cornered Hat and for Groslambert Covariance

Éric Lantz, Claudio Calosso+5 more|arXiv (Cornell University)|Apr 11, 2019

Scientific Measurement and Uncertainty Evaluation参考文献 10被引用 6

一句话总结

本文提出KLTS，一种基于Karinene-Loève变换和充分统计量的严格贝叶斯方法，通过Three-Cornered Hat和Groslambert协方差方法，对三台时钟系统中的所有an方差估计值计算精确置信区间。该方法即使在自由度为1时也能提供严格为正的中位数估计值和可靠的区间，经大规模蒙特卡洛模拟验证，并应用于低温蓝宝石振荡器。

ABSTRACT

The three-cornered hat / Groslambert Covariance methods are widely used to estimate the stability of each individual clock in a set of three, but no method gives reliable confidence intervals for large integration times. We propose a new KLTS (Karhunen-Lo\\`eve Tansform using Sufficient statistics) method which uses these estimators to take into account the statistics of all the measurements between the pairs of clocks in a Bayesian way. The resulting Cumulative Density Function (CDF) yields confidence intervals for each clock AVAR. This CDF provides also a stability estimator which is always positive. Checked by massive Monte-Carlo simulations, KLTS proves to be perfectly reliable even for one degree of freedom. An example of experimental measurement is given.

研究动机与目标

• 解决在等效自由度（EDF）较低时，特别是长积分时间下，Three-Cornered Hat和Groslambert协方差估计值缺乏可靠置信区间的缺陷。
• 解决传统Three-Cornered Hat和GCov方法中常见的负方差估计问题。
• 开发一种基于原始测量数据完整统计量而非仅估计值的贝叶斯方法，以推导稳健的置信区间。
• 提供一种始终为正的、基于中位数的稳定性估计量，即使在GCov估计值为负时依然有效。
• 在多种条件下验证该方法，包括低EDF、高测量噪声以及时钟稳定性差异较大的情况。

提出的方法

• KLTS基于从两两时钟比较中提取的充分统计量进行贝叶斯反演，避免依赖估计方差。
• 通过所有测量频率偏差的联合似然函数构建噪声方差的累积分布函数（CDF）。
• 该方法使用Karhunen-Loève变换高效表示数据协方差结构并提取充分统计量。
• 置信区间从所得CDF的分位数推导：95%置信区间由第2.5百分位数和第97.5百分位数确定，中位数估计量由第50百分位数获得。
• 通过在不同EDF、测量噪声水平和时钟稳定性差异下进行广泛的蒙特卡洛模拟验证该方法。
• 对于EDF > 100的情况，先前提出的KLTG方法被证明是可靠的替代方案，与KLTS形成互补组合。

实验结果

研究问题

• RQ1 基于充分统计量的贝叶斯方法是否能在极低EDF（包括1）下为时钟稳定性估计提供可靠的置信区间？
• RQ2 所提出的方法是否能消除Three-Cornered Hat和GCov方法中常见的负方差估计现象？
• RQ3 KLTS在不同测量噪声水平和时钟稳定性差异下的性能如何，与理论预期及蒙特卡洛模拟结果相比如何？
• RQ4 所推导CDF的中位数能否作为鲁棒的、始终为正的时钟稳定性估计量，即使GCov估计值为负？
• RQ5 测量噪声对置信区间宽度的实际影响如何，特别是在低积分时间下？

主要发现

• KLTS为所有an方差估计值生成精确的95%置信区间，即使在EDF为1时也有效，且无需近似或简化假设。
• 所推导CDF的中位数始终为正，提供了一个在GCov估计值为负时仍具物理意义的稳定性估计量。
• 蒙特卡洛模拟结果证实，KLTS置信区间在所有测试EDF水平、测量噪声条件和时钟稳定性差异下均与理论预期一致。
• 当积分时间超过5000秒（EDF < 100）时，KLTS置信区间显著变宽，对于稳定性较差的时钟，下限趋近于零，表明此时仅能确定上限。
• 在1秒积分时间下，测量噪声占主导，导致置信区间极宽（例如，CSO C的置信区间宽度是真实稳定性的5倍），表明即使EDF较高，高噪声仍会限制精度。
• 该方法能有效识别GCov估计值不可靠的情况——尤其是当估计值为负时——并通过置信区间以有意义的上限替代之。