[论文解读] Zeros of smooth stationary Gaussian processes

Michele Ancona, Thomas Letendre|arXiv (Cornell University)|Jul 7, 2020

Geometry and complex manifolds参考文献 31被引用 5

一句话总结

本文研究了实直线上平滑平稳高斯过程零点个数的中心矩在大尺度下的渐近行为。通过Kac–Rice公式及对k重相关函数的详细分析，推导出区间$[0,R]$内零点计数的p阶中心矩的渐近阶为$ R^{p/2} $，并证明了对归一化零点计数测度的泛函大数定律与中心极限定理，分别表明其收敛于勒贝格测度与高斯白噪声。

ABSTRACT

Let $f:\mathbb{R} o \mathbb{R}$ be a stationary centered Gaussian process. For any $R>0$, let $ν_R$ denote the counting measure of $\{x \in \mathbb{R} \mid f(Rx)=0\}$. In this paper, we study the large $R$ asymptotic distribution of $ν_R$. Under suitable assumptions on the regularity of $f$ and the decay of its correlation function at infinity, we derive the asymptotics as $R o +\infty$ of the central moments of the linear statistics of $ν_R$. In particular, we derive an asymptotics of order $R^\frac{p}{2}$ for the $p$-th central moment of the number of zeros of $f$ in $[0,R]$. As an application, we derive a functional Law of Large Numbers and a functional Central Limit Theorem for the random measures~$ν_R$. More precisely, after a proper rescaling, $ν_R$ converges almost surely towards the Lebesgue measure in weak-$*$ sense. Moreover, the fluctuation of $ν_R$ around its mean converges in distribution towards the standard Gaussian White Noise. The proof of our moments estimates relies on a careful study of the $k$-point function of the zero point process of~$f$, for any $k \geq 2$. Our analysis yields two results of independent interest. First, we derive an equivalent of this $k$-point function near any point of the large diagonal in~$\mathbb{R}^k$, thus quantifying the short-range repulsion between zeros of $f$. Second, we prove a clustering property which quantifies the long-range decorrelation between zeros of $f$.

研究动机与目标

• 理解实直线上平滑平稳高斯过程零点个数的大尺度统计行为。
• 在区间长度$ R \to \infty $时，推导零点计数测度中心矩的精确渐近表达式。
• 为归一化零点计数测度$ \nu_R $建立泛函极限定理——大数定律与中心极限定理。
• 通过k重函数及其渐近行为，分析零点的短程排斥与长程去相关性。
• 发展并应用基于差分与相关函数衰减的技巧，以控制矩估计。

提出的方法

• 使用Kac–Rice公式，将零点计数的阶乘矩表示为零点过程k重函数的积分。
• 分析k重函数$ \rho_k $在大对角线$ \Delta_k $附近的性质，推导出一个等价形式，以量化零点间的短程排斥。
• 在相关函数快速衰减的条件下，建立$ \rho_k $的聚类性质，表明零点位置在长程上近乎独立。
• 应用相关函数的差分以控制k重函数的奇异性，并推导矩估计。
• 采用基于划分的矩积分分解方法，区分孤立点与成对贡献，以控制渐近增长。
• 利用多变量高斯矩泛函的霍尔德连续性，控制相关矩阵的扰动，确保渐近估计的稳定性。

实验结果

研究问题

• RQ1 当$ R \to \infty $时，平滑平稳高斯过程在$[0,R]$区间内零点个数的p阶中心矩的渐近增长速率如何？
• RQ2 k重相关函数$ \rho_k $在大对角线$ \Delta_k $附近的行为如何？这又对零点排斥意味着什么？
• RQ3 在何种相关函数条件下，k重函数表现出长程去相关性或聚类现象？
• RQ4 归一化零点计数测度$ \nu_R $是否满足泛函大数定律与泛函中心极限定理？
• RQ5 能否通过差分与矩阵扰动技术，严格控制矩的渐近行为？

主要发现

• 在相关函数满足适当的正则性与衰减假设下，$[0,R]$区间内零点个数的p阶中心矩渐近增长为$ R^{p/2} $。
• k重函数$ \rho_k $在大对角线$ \Delta_k $上消失，且在$ x \to y \in \Delta_k $时导出显式等价形式，量化了零点间的短程排斥。
• 在相关函数快速衰减的条件下，k重函数满足聚类性质，表明零点位置在长程上呈现近乎独立的特性。
• 当$ R \to \infty $时，归一化零点计数测度$ \nu_R $在弱-*拓扑下几乎必然收敛于勒贝格测度，从而确立了泛函大数定律。
• 在均值附近的$ \nu_R $波动在分布上收敛于标准高斯白噪声，从而证明了泛函中心极限定理。
• 通过差分分析k重函数及其奇点，提出了一种通用方法，可推广至更广泛的随机过程应用情境。