papercovariance-estimationshrinkageOASRBLWMMSEoracle-approximatingIEEE-TSPsphericityrotation-equivariant

Chen-Wiesel-Eldar-Hero 2010 — OAS (Oracle Approximating Shrinkage)

IEEE Trans. Signal Processing 58(10), 5016–5029. DOI 10.1109/TSP.2010.2052629. arXiv 0907.4698.

BibTeX

@article{chen2010oas,
  title  = {Shrinkage Algorithms for MMSE Covariance Estimation},
  author = {Chen, Yilun and Wiesel, Ami and Eldar, Yonina C. and Hero, Alfred O. III},
  journal = {IEEE Transactions on Signal Processing},
  volume = {58},
  number = {10},
  pages  = {5016--5029},
  year   = {2010},
  doi    = {10.1109/TSP.2010.2052629}
}

中文摘要入口

在 LW/OAS/QIS 谱系中的位置

Stein (1956/1986) ———— 第一代（正态 + $p<n$）
         │
LW (2003/2004) ———— 第二代起点（分布无关 oracle）
         │
  ┌──────┼──────┐
SS05   OR07   CWHE10 (本文 OAS)
闭式落地  方差向量  Oracle 不动点
         │
      Chen-Wiesel-Hero 2011（robust / elliptical）
         │
      LW QuEST (2015/2017) + QIS (2020)
         │
      Bongiorno et al. 2026 RINet / 2026 RIEnet

关键贡献一句话

在 Gaussian 假设下，给出严格渐近等于 oracle MMSE 的两个新估计量：RBLW（Rao-Blackwell LW，对任意 \Sigma MMSE 不劣于 LW）与 OAS（oracle 公式的不动点迭代闭式极限，\hat\rho 天然 [0,1] 且严格单调），并证明两者的 \hat\rho 与球性检验统计量 U 结构相同——把"协方差收缩强度"与"球性偏离程度"桥接到一起。

仿真反例（Table I, FBM H=0.9, n=20, p=100）

Estimator MSE Shrinkage coeff
Oracle 428.9972 0.2675
OAS 475.2691 0.3043
RBLW 472.8206 0.2856
LW 475.5840 0.2867

——OAS 在极弱球性下不严格优于 RBLW（差 0.5%）。论文诚实标注。

工程要点（quant 可直接搬运）

  • 闭式：\hat\rho^\star_{\mathrm{OAS}} = \frac{(1-2/p)\,\mathrm{tr}(S^2)+\mathrm{tr}^2(S)}{(n+1+2/p)\,[\mathrm{tr}(S^2)+\mathrm{tr}^2(S)]}——只用到 \mathrm{tr}(S^2) 与 \mathrm{tr}^2(S)。
  • 天然 [0,1]：与 LW/RBLW 的 ad hoc 截断不同，OAS \hat\rho^\star_{\mathrm{OAS}} 公式本身保证落在 [0,1]，可安全接 downstream 凸优化。
  • 可处理 n < p：公式无 \det / 求逆，奇异 S 直接代入即可。
  • Python 实现：sklearn.covariance.oas (since 0.17); R 实现：corpcor::invcov.shrink / oasis package。

关联论文

入口