[论文解读] On the Explicit Height Distribution and Expected Number of Local Maxima of Isotropic Gaussian Random Fields

Dan Cheng, Armin Schwartzman|arXiv (Cornell University)|Mar 4, 2015

Financial Risk and Volatility Modeling参考文献 12被引用 15

一句话总结

本文通过高斯正交系族（GOE）计算与Kac-Rice公式应用，推导出在1、2和3维欧几里得空间或球面上各向同性高斯随机场的高度分布及局部极大值期望数量的显式解析公式。主要贡献在于得到了期望极大值数量与高度密度的闭式表达式，经验证适用于低维各向同性场，在峰值检测的统计应用中具有实际意义。

ABSTRACT

The explicit formulae for the height distribution and expected number of local maxima have been obtained for isotropic Gaussian random fields on certain low-dimensional Euclidean space or low-dimensional spheres.

研究动机与目标

• 推导低维空间中各向同性高斯随机场的期望局部极大值数量与高度分布的显式公式。
• 通过聚焦于N=1,2,3维，克服基于GOE的Kac-Rice积分在一般情况下的计算不可行性。
• 为成像与神经影像学应用中的统计峰值检测，提供可解析处理的表达式。
• 利用先进的高斯矩阵期望，将先前的隐式Kac-Rice结果拓展为显式、可计算的形式。

提出的方法

• 利用Kac-Rice公式，将期望局部极大值数量与高度分布表示为高斯正交系族（GOE）矩阵特征值期望的形式。
• 通过Selberg积分显式求得GOE特征值分布，推导归一化常数与联合密度结构。
• 运用引理2.1–2.4，计算涉及二元正态分布累积分布函数与误差函数的高维高斯积分。
• 通过将特定参数代入GOE矩生成函数，推导出期望极大值数量与高度密度的闭式表达式。
• 利用分部积分法与独立正态变量的概率变换，简化复杂积分。
• 通过一致性检验验证结果，并推测其在严格正则性条件之外仍具有效性。

实验结果

研究问题

• RQ1 在1、2和3维空间中，各向同性高斯随机场的期望局部极大值数量的显式解析表达式是什么？
• RQ2 如何对低维流形上各向同性高斯场的局部极大值高度分布进行显式表征？
• RQ3 能否通过基于GOE的简化方法，使一般Kac-Rice公式在各向同性场中具有计算可行性？
• RQ4 低维各向同性高斯场中，期望极大值数量与高度密度的精确函数形式是什么？
• RQ5 在何种条件下，所推导的公式在标准正则性假设之外仍保持有效？

主要发现

• 当N=1时，期望局部极大值数量为 $ \mathbb{E}\{M(f)\} = \frac{\sqrt{3+\kappa_1}}{2\pi\sqrt{\kappa_1}} $，其高度密度函数以误差函数与正态分布累积分布函数的组合形式给出。
• 当N=2时，期望极大值数量为 $ \mathbb{E}\{M(f)\} = \frac{1}{4\pi} + \frac{1}{2\pi\kappa_1\sqrt{3+\kappa_1}} $，由复杂的正态分布累积分布函数与指数项组合导出。
• 当N=3时，期望极大值数量为 $ \kappa_1 $ 的有理函数，包含嵌套根式与多个正态分布累积分布函数项。
• 当N=3时，高度密度函数 $ h(x) $ 表示为四项之和的归一化形式，每项结合了高斯函数、误差函数与不同方差的二元正态分布累积分布函数。
• 公式被推测在原始要求的正则性条件更宽泛的范围内仍成立，暗示其更广泛的应用潜力。
• 所有结果均基于GOE矩阵期望推导，并通过涉及 $ \Phi $、$ \Phi_\Sigma $ 与 $ G_\gamma $ 函数的概率恒等式与积分技巧验证。