[논문 리뷰] Adaptive orthonormal systems for matrix-valued functions

Daniel Alpay, Fabrizio Colombo외 2명|arXiv (Cornell University)|2015. 11. 24.

Mathematical Analysis and Transform Methods참고 문헌 24인용 수 3

한 줄 요약

이 논문은 단위 원판 내에서 점을 적응적으로 선택하고 직교 투영을 이용하여 정규수직인 행렬값 블라시케 곱의 체계를 구성하기 위해 일반화된 최대 선택 원칙을 사용하여 하르디 공간 $\mathbf{H}_2^{p\times q}$ 내의 행렬값 함수로 적응형 푸리에 분해(AFD)를 확장한다. 이 방법은 빠른 수렴을 보장하고 비음성 해석적 순간 주파수 성질을 유지하며, 행렬 신호의 효율적인 유리 근사와 보간을 가능하게 한다.

ABSTRACT

In this paper we consider functions in the Hardy space $\mathbf{H}_2^{p imes q}$ defined in the unit disc of matrix-valued. We show that it is possible, as in the scalar case, to decompose those functions as linear combinations of suitably modified matrix-valued Blaschke product, in an adaptive way. The procedure is based on a generalization to the matrix-valued case of the maximum selection principle which involves not only selections of suitable points in the unit disc but also suitable orthogonal projections. We show that the maximum selection principle gives rise to a convergent algorithm. Finally, we discuss the case of real-valued signals.

연구 동기 및 목표

• 스칼라에서 행렬값 함수로의 적응형 푸리에 분해(AF D)를 하르디 공간 $\mathbf{H}_2^{p\times q}$ 내에서 일반화하기.
• 점 선택과 직교 투영을 모두 포함한 행렬값 확장 최대 선택 원칙에 기반한 적응 알고리즘 개발하기.
• 목표 행렬값 함수로의 분해 수렴을 보장하면서도 비음성 해석적 순간 주파수 성질을 유지하기.
• 푸리에 계수의 대칭성과 켤라위 대칭성을 활용하여 실수값 행렬 신호로 이론을 확장하기.
• 블라시케 곱에서 유도된 정규수직 체계를 사용하여 행렬값 함수의 유리 근사와 보간을 위한 프레임워크 제공하기.

제안 방법

• 주어진 함수 $f_k$에 대해 $|\langle f_k, e_{a_k} \rangle|^2 = (1 - |a_k|^2) \|f_k(a_k)\|^2$ 를 최대화하는 일반화된 최대 선택 원칙을 사용하여 행렬값 블라시케 인자 $B_k(z)$ 를 적응적으로 선택한다. 이 선택은 $a_k \in \mathbb{D}$ 에서 수행된다.
• 일반화된 역방향 이동 연산을 통해 $k$-번째 감소 잔여항 $f_k(z)$ 를 정의한다: $f_k(z) = \frac{f_{k-1}(z) - \langle f_{k-1}, e_{a_{k-1}} \rangle e_{a_{k-1}}(z)}{\frac{z - a_{k-1}}{1 - z\overline{a_{k-1}}}}$.
• 단위 원에서 모듈러스가 1이고 $\mathbf{H}_2^{p\times q}$ 내에서 직교하는 행렬값 블라시케 곱의 정규수직 체계를 구성한다.
• 비어링-락스 정리를 적용하여 역방향 이동 불변 부분공간을 $\mathcal{B} \mathbf{H}_2^{p\times q}$ 로 특성화한다. 여기서 $\mathcal{B}$ 는 행렬값 블라시케 곱이다.
• 리치의 인수분해 정리를 적용하여, 함수 $F$ 가 블라시케 곱 $\mathcal{B}$ 의 범위와 수직이면 $\mathcal{B} = \Theta \Theta_1$ 를 만족하며, $\Theta_1$ 은 수축적이고 $\ell = p$ 임을 보인다.
• 실수 행렬 신호의 경우, 공액 대칭성 $F_{-n} = \overline{F_n}$ 을 활용하여 $F(e^{it}) = F_+(e^{it}) + \overline{F_+(e^{it})} - F_0$ 를 표현함으로써 해석적 부분 $F_+$ 에 대해 AFD 알고리즘을 적용할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 적응형 푸리에 분해(AF D)는 직교 투영을 포함한 최대 선택 원칙을 사용하여 하르디 공간 $\mathbf{H}_2^{p\times q}$ 내의 행렬값 함수로 일반화될 수 있는가?
• RQ2 유도된 행렬값 블라시케 곱의 정규수직 체계는 목표 함수로 수렴하는가? 수렴이 빠른 조건은 무엇인가?
• RQ3 비음성 해석적 순간 주파수 성질은 행렬값 경우에 어떻게 유지되며, 신호 분해에 대해 어떤 의미를 갖는가?
• RQ4 행렬값 하르디 공간 내의 역방향 이동 불변 부분공간의 구조는 무엇이며, 행렬값 블라시케 곱의 범위와 어떻게 관련되는가?
• RQ5 푸리에 계수의 공액 대칭성을 활용하여 실수값 행렬 신호에 대해 AFD 알고리즘은 어떻게 수정될 수 있는가?

주요 결과

• 일반화된 최대 선택 원칙은 목표 행렬값 함수 $f$ 가 $\mathbf{H}_2^{p\times q}$ 내에서 수렴함을 보장하며, $n \to \infty$ 일 때 $\|f_{n+1}\| \to 0$ 이다.
• 분해식 $f(z) = \sum_{k=1}^\infty \langle f_k, e_{a_k} \rangle B_k(z)$ 가 성립하며, 여기서 각 $B_k$ 는 행렬값 블라시케 곱이고 체계는 $\mathbf{H}_2^{p\times q}$ 내에서 정규수직이다.
• 이 방법은 각 성분 $B_k$ 에 대해 비음성 해석적 순간 주파수 성질을 유지하며, 각 항이 행렬값 의미에서 단성분임을 보장한다.
• 알고리즘에 의해 생성된 역방향 이동 불변 부분공간은 $\mathcal{B} \mathbf{H}_2^{p\times q}$ 의 형태를 가지며, 여기서 $\mathcal{B}$ 는 선택된 점 $a_k$ 와 투영을 기반으로 구성된 행렬값 블라시케 곱이다.
• 실수 행렬 신호의 경우, 해석적 부분 $F_+$ 는 $\mathbf{H}_2^{p\times q}$ 에 속하며, 전체 신호는 $F(e^{it}) = F_+(e^{it}) + \overline{F_+(e^{it})} - F_0$ 를 통해 재구성될 수 있다. 이는 해석적 부분에 AFD 알고리즘 적용을 가능하게 한다.
• 리치의 인수분해 정리의 적용은 $F$ 가 $\mathcal{B} \mathbf{H}_2^{p\times q}$ 와 수직이면 $\mathcal{B} = \Theta \Theta_1$ 를 만족하며, $\Theta_1$ 은 해석적이고 수축적이며 $\ell = p$ 임을 시사한다.