[论文解读] Fast multi-dimensional scattered data approximation with Neumann boundary conditions

Denis Grishin, Thomas Strohmer|ArXiv.org|Jan 14, 2003

Statistical and numerical algorithms参考文献 15被引用 7

一句话总结

该论文提出了一种快速、稳定的多维散乱数据逼近方法，采用余弦基三角多项式并在诺伊曼边界条件下消除周期性延拓中常见的边界伪影。通过将最小二乘问题表述为托普利茨+汉克尔矩阵，并利用离散余弦变换实现快速矩阵-向量乘法，该方法在计算效率方面保持高效的同时，实现了卓越的精度——在地球物理测试案例中，误差相比ACT方法降低了2.5倍。

ABSTRACT

An important problem in applications is the approximation of a function $f$ from a finite set of randomly scattered data $f(x_j)$. A common and powerful approach is to construct a trigonometric least squares approximation based on the set of exponentials $\{e^{2πi kx}\}$. This leads to fast numerical algorithms, but suffers from disturbing boundary effects due to the underlying periodicity assumption on the data, an assumption that is rarely satisfied in practice. To overcome this drawback we impose Neumann boundary conditions on the data. This implies the use of cosine polynomials $\cos (πkx)$ as basis functions. We show that scattered data approximation using cosine polynomials leads to a least squares problem involving certain Toeplitz+Hankel matrices. We derive estimates on the condition number of these matrices. Unlike other Toeplitz+Hankel matrices, the Toeplitz+Hankel matrices arising in our context cannot be diagonalized by the discrete cosine transform, but they still allow a fast matrix-vector multiplication via DCT which gives rise to fast conjugate gradient type algorithms. We show how the results can be generalized to higher dimensions. Finally we demonstrate the performance of the proposed method by applying it to a two-dimensional geophysical scattered data problem.

研究动机与目标

• 解决由于周期性延拓假设导致的三角多项式逼近散乱数据时产生的边界伪影问题。
• 为具有诺伊曼边界条件的多维散乱数据逼近开发一种数值稳定且计算高效的算法。
• 用余弦多项式替代周期性基函数（指数函数），以更好地处理非周期性函数。
• 通过结构化矩阵与快速变换，实现对所得最小二乘问题的快速求解。
• 在具有噪声、非均匀分布采样的真实地球物理数据重建中，验证该方法的优越性。

提出的方法

• 使用余弦基函数 $\cos(\pi kx)$ 而非指数函数 $e^{2\pi ikx}$，以强制实现对称（诺伊曼）边界条件。
• 将逼近建模为涉及由余弦基导出的托普利茨+汉克尔矩阵的最小二乘问题。
• 利用离散余弦变换（DCT）实现快速矩阵-向量乘法，这对迭代求解器至关重要。
• 采用共轭梯度法高效求解结构化线性系统，充分利用矩阵结构。
• 通过使用块托普利茨+汉克尔矩阵，将该方法扩展至高维，适用于多维散乱数据。
• 在包含496个带噪声、随机分布点的二维地球物理重力异常数据上实施数值实验，以验证性能。

实验结果

研究问题

• RQ1 与周期性延拓相比，诺伊曼边界条件是否能减少散乱数据逼近中的边界伪影？
• RQ2 如何高效求解使用余弦多项式逼近散乱、非均匀数据的最小二乘问题？
• RQ3 所得托普利茨+汉克尔矩阵的条件数行为如何？其对数值稳定性有何影响？
• RQ4 能否在不完全对角化的情况下，为这些结构化矩阵实现快速矩阵-向量乘法？
• RQ5 在地球物理数据重建中，该方法与成熟方法（如ACT方法）相比，在精度和效率方面表现如何？

主要发现

• 在带有5%噪声的二维地球物理重力异常数据上，该方法的重建误差为0.029，显著低于ACT方法的0.072。
• 通过强制实施诺伊曼条件，该方法减少了边界伪影，实现了更快的系数衰减，从而在使用低阶多项式时获得更优的逼近效果。
• 使用余弦多项式而非指数函数可避免在定义域边界处产生不连续性，从而提升收敛性与稳定性。
• 所得托普利茨+汉克尔矩阵可通过DCT实现快速矩阵-向量乘法，尽管其无法通过DCT对角化，但仍能高效支持共轭梯度求解器。
• 该方法通过使用块托普利茨+汉克尔结构，可有效推广至高维，同时保持计算效率。
• 与三次样条插值相比，该方法在相同测试案例中误差更低（0.029 vs. 0.045），证明了其在精度上的优越性。