[論文レビュー] On the positivity of Fourier transforms

B. G. Giraud, Robi Peschanski|arXiv (Cornell University)|May 13, 2014

Mathematical functions and polynomials参考文献 6被引用数 5

ひとこと要約

本稿では、実数かつ偶関数の正のフーリエ変換を持つための2つの構成的・必要十分条件を提案する。1つは解析接続とジェンセンの不等式に基づくもので、もう1つはボッホナーの定理から導かれるトーペリッツ行列の正定値性に基づくものである。行列法は、非正の変換を検出する際、解析法よりも著しく優れた性能を示し、1次元では最大86%、2次元径方向ケースでは43%の検出効率を達成した。

ABSTRACT

Characterizing in a constructive way the set of real functions whose Fourier transforms are positive appears to be yet an open problem. Some sufficient conditions are known but they are far from being exhaustive. We propose two constructive sets of necessary conditions for positivity of the Fourier transforms and test their ability of constraining the positivity domain. One uses analytic continuation and Jensen inequalities and the other deals with Toeplitz determinants and the Bochner theorem. Applications are discussed, including the extension to the two-dimensional Fourier-Bessel transform and the problem of positive reciprocity, i.e. positive functions with positive transforms.

研究の動機と目的

• 実数かつ偶関数が正のフーリエ変換を持つための構成的必要条件を導出すること。
• 行列ベースと解析接続ベースの2つの異なる解析的手法が、このような関数の空間を制約する効果をテストすること。
• ランダムなガウス関数とエルミート多項式の混合を用いて、非正のフーリエ変換を検出するためのこれらの手法の性能を評価すること。
• 2次元径方向フーリエ・ベッセル変換への分析の拡張と、手法のスケーラビリティの評価。
• 今後の研究のための、現在は性能が低いとされる解析接続法の改善方向を同定すること。

提案手法

• 行列法は、等間隔の点における関数値から構成される有限次元対称トーペリッツ行列を用い、ボッホナーの定理に基づいて正定値性を検証する。
• 解析法は、関数を虚軸方向に解析接続し、ジェンセンの不等式を適用して正の性質を示す必要条件を導出する。
• 両手法とも、フーリエ変換の数値評価を経ずに、元の関数 ψ(r) の形で直接不等式を導出できる。
• 行列法は、2×2から10×10まで行列の次元を増加させることで、より強く制約を課す不等式の階層を生成する。
• 解析法は、次の主要な不等式を導出する：ψ(ir) ≥ ψ(0) cosh(2r/π ∫₀^∞ (1 - ψ(r′)/ψ(0)) r′⁻² dr′)，任意の r ≥ 0 に対して成立する。
• 数値的検証では、1次元および2次元径方向ケースにおいて、正規直交基底関数（ガウス × エルミート多項式）のランダム混合を用い、ψ の正定値性と φ の負の性質を検出ターゲットとする。

実験結果

リサーチクエスチョン

• RQ1 実数かつ偶関数 ψ(r) に対して、そのフーリエ変換 φ(s) が非負となるための構成的必要条件は何か？
• RQ2 トーペリッツ行列の行列式とボッホナーの定理に基づく行列法と、解析接続とジェンセンの不等式に基づく解析法は、非正のフーリエ変換を検出する際にどの程度効果的か？
• RQ3 これらの手法は2次元径方向フーリエ・ベッセル変換へと拡張され、効果的に適用可能か？
• RQ4 なぜ解析接続法は2次元で約3%の検出効率にとどまるのに対し、行列法は約43%の効率を示すのか？
• RQ5 今後の応用に向けて、解析接続法の効率を向上させるための改善策は何か？

主な発見

• 1次元の場合、10×10のトーペリッツ行列を用いて ψ を直接テストした際、行列法は非正のフーリエ変換を86%の検出効率で特定した。
• 2次元径方向ケースでは、同じ条件下で行列法は非正の変換の43%を検出しており、低いが依然として実用的な性能を示している。
• 解析接続法は2次元径方向ケースで非正の変換をわずか約3%しか検出できず、行列法に比べて著しく低い効率を示している。
• 行列法に導関数または畳み込みに基づくテストを組み合わせることで、1次元では93%を超える検出効率が達成され、解析法を著しく上回った。
• 行列法の性能は行列の次元が増加するにつれて向上しており、より大きなトーペリッツ行列を用いれば、さらに高い精度が得られる可能性がある。
• 解析法の低効率は、より洗練された凸性評価や一般化されたジェンセン型テストの導入により、質的改善が図られるべきであることを示唆している。