[论文解读] Algebraic reconstruction of piecewise-smooth functions from integral measurements

Dmitry Batenkov, Niv Sarig+1 more|ArXiv.org|Jan 29, 2009

Mathematical Analysis and Transform Methods参考文献 20被引用 11

一句话总结

本文提出了一种从积分测量（如矩或傅里叶系数）中对分段光滑函数进行代数重建的方法，通过利用卷积对偶并求解普罗尼型系统。主要贡献在于提出了一种可证明收敛的算法，即使在存在不连续性的情况下，也能实现 $ C/N^k $ 阶的误差衰减，方法基于微分消去算子和基于矩的求解器。

ABSTRACT

This paper presents some results on a well-known problem in Algebraic Signal Sampling and in other areas of applied mathematics: reconstruction of piecewise-smooth functions from their integral measurements (like moments, Fourier coefficients, Radon transform, etc.). Our results concern reconstruction (from the moments or Fourier coefficients) of signals in two specific classes: linear combinations of shifts of a given function, and "piecewise $D$-finite functions" which satisfy on each continuity interval a linear differential equation with polynomial coefficients. In each case the problem is reduced to a solution of a certain type of non-linear algebraic system of equations ("Prony-type system"). We recall some known methods for explicitly solving such systems in one variable, and provide extensions to some multi-dimensional cases. Finally, we investigate the local stability of solving the Prony-type systems.

研究动机与目标

• 解决从积分测量中重建分段光滑信号的根本挑战，其中经典线性方法因不连续性导致收敛缓慢。
• 通过引入非线性代数重建框架，克服传统近似中的吉布斯现象和次优的 $ O(1/ abla{N}) $ 误差率。
• 开发一种系统化方法，利用矩数据和微分消去算子，重建由跳跃间断分隔的光滑分段组成的信号。
• 通过识别间断位置并求解矩系统，实现高精度重建，收敛率可达 $ O(1/N^k) $，与光滑函数近似相匹配。
• 提供一种鲁棒算法，结合微分消去算子理论、矩生成函数和帕德-埃尔米特逼近，实现对分段代数和三角函数的精确重建。

提出的方法

• 构建测量核 $ \varphi_k(t) $ 的 $ f $-卷积对偶序列 $ \psi_k(t) $，满足 $ \int f(t+x)\psi_k(t) dt = \varphi_k(x) $，从而实现矩的恢复。
• 从矩数据构建普罗尼型线性系统 $ H\mathbf{a} = 0 $，其中 $ H $ 由导数加权函数 $ G_j(x) $ 的矩生成函数构成。
• 利用 $ G_j(x) $ 的矩生成函数 $ h_j(z) $ 推导帕德-埃尔米特形式，将系数与多项式依赖关系联系起来。
• 对于分段函数，将信号表示为 $ g(x) = \widetilde{g}_0 + \sum_{n=1}^\mathcal{K} \widetilde{g}_n(x) \mathcal{H}(x - \xi_n) $，其中 $ \mathcal{H} $ 为海维赛德阶跃函数。
• 定义修正的微分算子 $ \widehat{\mathfrak{D}} = \left(\prod_{n=1}^\mathcal{K} (x - \xi_n)^N \right) \cdot \mathfrak{D} $，使其能消去完整的分布信号 $ g $，从而实现联合重建。
• 求解线性系统 $ \begin{pmatrix} c_{i,k}^n \end{pmatrix} \boldsymbol{\alpha} = \mathbf{m} $，利用矩数据和连续区间上的基函数恢复光滑分段的系数。

实验结果

研究问题

• RQ1 能否通过非线性代数方法，利用前 $ N $ 个矩，以 $ O(1/N^k) $ 的收敛率重建分段光滑函数，使其与光滑函数近似相匹配？
• RQ2 如何利用微分消去算子，从矩数据中同时恢复间断位置和光滑分段系数？
• RQ3 卷积对偶在将矩测量转换为可解的代数系统以实现信号重建中起到什么作用？
• RQ4 帕德-埃尔米特逼近框架如何用于从矩生成函数中恢复多项式系数？
• RQ5 在什么条件下，重建信号能与原始信号在有限个矩内完全匹配？如何界定所需矩的数量？

主要发现

• 通过利用微分消去算子和矩系统，该方法即使在存在不连续性的情况下，也能实现 $ O(1/N^k) $ 的收敛率，适用于 $ C^k $-光滑分段。
• 系数向量 $ \mathbf{a} $ 满足齐次线性系统 $ H\mathbf{a} = 0 $，其解空间编码了信号参数。
• 利用 $ G_j(x) = \mathcal{E}(x) \frac{d^j}{dx^j} g(x) $ 的矩生成函数 $ h_j(z) $ 推导帕德-埃尔米特逼近，将系数与多项式关系联系起来。
• 间断位置 $ \xi_n $ 作为消去算子 $ \widehat{\mathfrak{D}} $ 的系数多项式中重数为 $ N $ 的根被精确恢复，从而实现精确定位。
• 对于分段多项式、正弦函数和有理函数，该算法可从有限个矩中实现精确重建，且对所需矩阶数有显式界。
• 对于给定的微分算子 $ \mathfrak{D} $，可计算精确恢复所需的最小矩数 $ \widetilde{M} $，从而确保算法终止。