[論文レビュー] Application of the Wavelet Transform with a Piecewise Linear Basis to the Evaluation of the Hankel Transform

Peter S. Zykov, Eugene B. Postnikov|ArXiv.org|Jun 14, 2004

Image and Signal Denoising Methods参考文献 2被引用数 5

ひとこと要約

本稿では、区分的線形基底を用いたウェーブレット分解を用いたハンケル変換を計算するための新規数値手法を提案する。この手法により、ウェーブレットとベッセル関数の内積を解析的に評価可能となり、ハンケル積分が収束が速い級数に変換され、適応的分解能を用いて高い精度が達成され、大きな引数に対しても優れた性能を示す。

ABSTRACT

A method for computing the Hankel transform is proposed whereby the letter is reduced to a sum by representing the integrand as a smooth function times a Bessel function. The smooth function is replaced by its wavelet decomposition with a basis such that its scalar product with the Bessel function is calculated analytically. The result is represented as a series, with the coefficients strongly depending on the local behavior of the function being transformed. The application of the method is demonstrated by an example illustrated with plots.

研究の動機と目的

• 従来の高速フーリエ変換に基づく手法に起因する制限を克服するハンケル変換の数値計算手法を開発すること。
• ウェーブレット多スケール解析を活用して、局所的特徴を持つ関数を適応的に表現すること。
• ウェーブレット基底関数とベッセル関数の内積を解析的に計算可能にする。
• 周期的拡張および対数座標変換における滑らかでない性質に起因する数値誤差を低減すること。
• 関数の局所的挙動を活用して、最小限の基底係数で高い精度を達成すること。

提案手法

• 変換対象の関数を、コンパクトまたは無限大の台を持つ区分的線形基底関数を用いたウェーブレット級数として表現する。
• ハンケル変換を、ウェーブレット係数とベッセル関数およびストルーヴ関数を含む解析的に計算可能な積分の二重和に再定式化する。
• 主要な式 (4) および (5) は、0次および1次ハンケル変換をベッセル関数 $J_0$, $J_1$ およびストルーヴ関数 $H_0$, $H_1$ を含む和として表現する。
• [11] に示された積分公式を用いて、区分的線形ウェーブレットとベッセル関数の内積を正確に計算する。
• 細分化されたグリッド上の関数値からウェーブレット係数を計算するためにリフトスキームを適用し、急激な変化を示す領域での適応的リファインメントを可能にする。
• スケーリングと正規化を用いて定義域を [0,1] にマップし、無限大のウェーブレット展開の効率的計算および截断を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレットに基づく多スケール解析は、ハンケル変換計算の精度と適応性を向上させ得るか？
• RQ2 区分的線形ウェーブレットとベッセル関数の内積を解析的に計算可能にすることで、数値積分を回避できるか？
• RQ3 本手法は、高速フーリエ変換に基づくハンケル変換と比較して、誤差と収束性においてどのように異なるか？
• RQ4 局所的特徴や急激な変化を示す関数を効率的に処理できるか？
• RQ5 高精度を維持しつつ、ウェーブレット係数の数をどの程度まで削減できるか？

主な発見

• 関数が区分的線形ウェーブレットを用いて展開され、内積が解析的に評価されれば、ハンケル変換は有限和として正確に表現可能である。
• 低分解能レベル（例：レベル2）でも、関数全体にわたり誤差が小さく保たれる良好な近似が得られる。
• 計算されたハンケル変換の絶対誤差は有界であり、変換変数 $p^*$ が大きくなっても急激に増加しない。
• 同じノードで線形補間を行うのと比較して、誤差分布がより均一で、より良いグローバル精度を提供する。
• 分解能を高める、または非一様なノード分布を用いることで、関数変動が急激な領域での精度がさらに向上する。
• グローバル誤差の挙動において、標準的な線形近似よりも優れた性能を示しながら、計算効率を維持する。