[论文解读] Random Sampling of Entire Functions of Exponential Type in Several Variables

Karlheinz Gröchenig, Richard F. Bass|arXiv (Cornell University)|Jun 26, 2007

Mathematical Approximation and Integration参考文献 28被引用 6

一句话总结

本文利用概率方法研究了多变量带限函数在 ℝᵈ 上的随机采样。研究表明，尽管在 ℝᵈ 等无界区域上，对于任意合理的随机采样集模型（如泊松过程或不相交立方体上的均匀采样），采样不等式几乎必然不成立；然而，当采样规模足够大时，在带限函数空间的紧子集上，采样不等式以极高概率成立。该研究通过度量熵和覆盖数估计来控制偏差概率。

ABSTRACT

We consider the problem of random sampling for band-limited functions. When can a band-limited function $f$ be recovered from randomly chosen samples $f(x_j), j\in \mathbb{N}$? We estimate the probability that a sampling inequality of the form A\|f\|_2^2 \leq \sum_{j\in \mathbb{N}} |f(x_j)|^2 \leq B \|f\|_2^2 hold uniformly all functions $f\in L^2(\mathbb{R}^d)$ with supp $\hat{f} \subseteq [-1/2,1/2]^d$ or some subset of \bdl functions. In contrast to discrete models, the space of band-limited functions is infinite-dimensional and its functions "live" on the unbounded set $\mathbb{R}^d$. This fact raises new problems and leads to both negative and positive results. (a) With probability one, the sampling inequality fails for any reasonable definition of a random set on $\mathbb{R}^d$, e.g., for spatial Poisson processes or uniform distribution over disjoint cubes. (b) With overwhelming probability, the sampling inequality holds for certain compact subsets of the space of band-limited functions and for sufficiently large sampling size.

研究动机与目标

• 确定 ℝᵈ 中随机采样集满足带限函数均匀采样不等式的概率。
• 解决多变量带限函数空间中无限维与无界区域带来的挑战。
• 建立随机采样集以高概率实现稳定恢复的条件。
• 将概率采样理论从一维或紧致设置推广至高维、非紧致区域。
• 利用覆盖数与集中不等式，提供采样不等式失效概率的定量界。

提出的方法

• 利用度量熵与覆盖数估计来控制带限函数空间中函数类的复杂度。
• 采用带 dyadic 分解的链式论证，控制函数类上随机过程的上确界。
• 应用适用于次高斯过程的伯恩斯坦型不等式，以控制采样偏差上确界尾部概率。
• 引入随机过程 $ Y_j(f) = |f(x_j)|^2 - \mathbb{E}[|f(x_j)|^2] $，并分析其在函数类的有限 ε-网上的上确界。
• 在 dyadic 层次 $ \ell $ 上构建链式结构，通过分辨率递增的网来控制函数类的熵。
• 通过熵积分导出指数尾部界，并应用对指数增长尺度求和的不等式，以控制总失效概率。

实验结果

研究问题

• RQ1 在 ℝᵈ 中，随机采样集满足所有谱位于 $[-1/2, 1/2]^d$ 的带限函数的均匀采样不等式的概率是多少？
• RQ2 在无界、无限维的函数空间中，是否能以高概率保证随机采样集的稳定采样？
• RQ3 随着采样数量的增加，采样不等式失效概率如何衰减？
• RQ4 覆盖数与度量熵在量化多变量带限空间中随机采样稳定性方面起到什么作用？
• RQ5 概率方法能否克服高维采样理论中缺乏确定性刻画的局限？

主要发现

• 对于 ℝᵈ 上任意合理的随机采样集模型（如泊松过程或不相交立方体上的均匀采样），采样不等式以概率一不成立。
• 当采样规模足够大时，在带限函数空间的紧子集上，采样不等式以极高概率成立。
• 失效概率随采样数量呈指数衰减，衰减速率与 $ \exp\left(-C \frac{\lambda^2}{r R^{-d} + \lambda}\right) $ 成正比，其中 $ r $ 为采样数量。
• 尾部界中的指数项下界约为 $ \approx 0.0393 $，由 $ \sqrt{2}/36 $ 推导得出，表明存在非平凡的衰减速率。
• 尾部界中的常数 $ A $ 的增长速度至多为 $ \exp(C R^d) $，反映了其对区域大小与维度的依赖性。
• 当 $ \lambda $ 足够大时，失效概率被有界于一个随 $ \exp(-c \lambda^2 / (r R^{-d} + \lambda)) $ 衰减的项，从而确保高概率稳定性。