[论文解读] Relevant sampling in finitely generated shift-invariant spaces

Hartmut Führ, Jun Xian|arXiv (Cornell University)|Oct 17, 2014

Mathematical Analysis and Transform Methods参考文献 16被引用 3

一句话总结

本文为 $L^2(\mathbb{R}^n)$ 中有限生成的平移不变空间建立了一个概率采样框架，表明在立方体 $C_R$ 内进行 $O(R^n \log(R^n / \alpha'))$ 个独立的均匀采样，在生成元满足弱条件时，可对集中在 $C_R$ 内的函数实现稳定采样。关键贡献在于基于生成元性质推导出显式常数的高概率采样估计，将 Basse 和 Gr"ochenig 的相关采样理论扩展至一般平移不变空间，且对生成元的假设极少。

ABSTRACT

We consider random sampling in finitely generated shift-invariant spaces $V(Φ) \subset { m L}^2(\mathbb{R}^n)$ generated by a vector $Φ= (φ_1,\ldots,φ_r) \in { m L}^2(\mathbb{R}^n)^r$. Following the approach introduced by Bass and Gröchenig, we consider certain relatively compact subsets $V_{R,δ}(Φ)$ of such a space, defined in terms of a concentration inequality with respect to a cube with side lengths $R$. Under very mild assumptions on the generators, we show that for $R$ sufficiently large, taking $O(R^n log(R^{n^2/α'}))$ many random samples (taken independently uniformly distributed within $C_R$) yields a sampling set for $V_{R,δ}(Φ)$ with high probability. Here $α' \le n$ is a suitable constant.We give explicit estimates of all involved constants in terms of the generators $φ_1, \ldots, φ_r$.

研究动机与目标

• 为 $L^2(\mathbb{R}^n)$ 中有限生成的平移不变空间发展一种相关采样理论，将采样限制在紧致立方体 $C_R$ 内，以应对 $\mathbb{R}^n$ 上缺乏均匀分布的问题。
• 将 Bass 和 Gr"ochenig 的相关采样框架从带限函数和三角多项式空间扩展至一般有限生成平移不变空间，且对生成元的假设极少。
• 推导出实现高概率下稳定采样的随机采样数量的显式、可量化的界，其依赖于生成函数的性质。
• 为 $V_R(\Phi)$ 中的函数（即能量主要集中在 $C_R$ 内的函数子集）提供完整的概率采样估计，包含显式常数的下采样与上采样界。

提出的方法

• 将相关空间 $V_{R,\delta}(\Phi)$ 定义为平移不变空间 $V(\Phi)$ 中满足其 $L^2$-范数至少 $(1-\delta)$ 集中于立方体 $C_R = [-R/2, R/2]^n$ 的函数。
• 利用生成元的框架与对偶框架结构，通过投影算子 $P_\Phi = \sum_{m,i} (T_m \phi_i) \otimes (T_m \hat{\phi}_i)$ 表示函数，确保通过内积实现重构。
• 引入局部化算子 $Q_R P_\Phi$，其特征值 $\lambda_j$ 与特征函数 $\psi_j$ 用于将空间分解为有限维子空间 $P_N$。
• 应用矩阵 Bernstein 不等式，通过分析随机矩阵 $T_j = (\delta_{x_j} \otimes \delta_{x_j}) \circ Q_R P_\Phi$，控制经验采样算子与其期望之间的偏差。
• 利用随机点集覆盖数 $N_0$ 的覆盖指标估计与尾部概率界，控制不良采样配置的概率。
• 结合有限维子空间投影的范数估计与概率集中不等式，推导出具有显式常数的高概率采样估计。

实验结果

研究问题

• RQ1 在紧致立方体 $C_R$ 内，为以高概率稳定采样 $V_{R,\delta}(\Phi)$ 中的函数，所需的最少独立均匀随机采样数量是多少？
• RQ2 采样界如何显式依赖于生成函数 $\phi_1, \dots, \phi_r$ 及其性质（如衰减性与框架界）？
• RQ3 Bass 和 Gr"ochenig 的相关采样框架能否扩展至一般有限生成平移不变空间，且仅对生成元施加弱假设？
• RQ4 采样概率对集中参数 $\delta$、维度 $n$ 与立方体大小 $R$ 的精确依赖关系是什么？
• RQ5 采样不等式中的常数如何根据生成函数的 $L^2$-范数、框架界与衰减率显式估计？

主要发现

• 当 $R$ 足够大时，$C_R$ 内 $O(R^n \log(R^n / \alpha'))$ 个独立均匀采样可对 $V_{R,\delta}(\Phi)$ 实现高概率稳定采样，其中 $\alpha' \leq n$ 为由生成元衰减性导出的常数。
• 下采样界为 $A \|f\|_2^2$，其中 $A = \frac{s}{R^n} \left( \frac{1}{2} - \delta - \nu - 12\delta C_2 \right)$，在给定 $\delta$ 与 $\nu$ 的条件下严格为正，确保稳定性。
• 上采样界为 $s C_1^2 \|f\|_2^2$，其中 $C_1 = \sup_x \|v_x\|_2$ 为再生核的上确界范数，确保无过采样。
• 失败概率被控制在 $1 - \text{exp}(-\Omega(s/R^n))$ 以内，其显式依赖于 $R$、$s$、$C_1$、$C_2$ 与 $\delta$，表明当 $s$ 较大时可实现高概率采样。
• 采样界中的常数显式地由贝塞尔常数 $C_0, \hat{C}_0$、再生核界 $C_1$、Plancherel-Polya 常数 $C_2$ 与生成元的衰减常数 $C_3$ 表示。
• 在弱假设下结果成立：贝塞尔界、有界点值评估、Plancherel-Polya 不等式，以及生成元在 $C_R$ 外的多项式衰减，这些条件对紧支集生成元均满足。