[论文解读] Scalable Probabilistic Frames

Clare W. Lau, Kasso A. Okoudjou|arXiv (Cornell University)|Jan 29, 2015

Mathematical Analysis and Transform Methods参考文献 7被引用 3

一句话总结

本文通过确定在何种条件下可将概率框架重新缩放为紧框架，研究了离散概率框架的可扩展性。该文利用测度论工具，将框架可扩展性的概念扩展到概率框架设置中，基于矩条件和框架算子性质，建立了可扩展性的充分必要条件。

ABSTRACT

We consider the problem of rescaling the lengths of a finite frame thereby transforming it into a tight one. Such frames are called scalable and have received a lot of attention in recent years. In this note we investigate the question in terms of probabilistic frames and give conditions under which a (discrete) probabilistic frame is scalable.

研究动机与目标

• 将框架可扩展性的概念扩展到概率框架，其中框架向量由离散概率测度加权。
• 确定概率框架可被重新缩放以实现紧性的必要和充分条件。
• 通过测度论框架下的框架算子和矩条件分析可扩展性。

提出的方法

• 将概率框架形式化为配备离散概率测度的有限向量集。
• 将概率框架的可扩展性定义为存在一个正缩放向量，使得缩放后的框架变为紧框架。
• 利用概率框架的框架算子，推导涉及概率测度二阶矩的矩条件。
• 建立可扩展性与矩方程组存在正解之间的等价性。
• 应用框架理论和凸分析工具，刻画可扩展概率框架的集合。

实验结果

研究问题

• RQ1 在何种条件下，离散概率框架可被重新缩放为紧框架？
• RQ2 概率测度的矩条件如何与概率框架的可扩展性相关？
• RQ3 在概率设置中，框架算子在确定可扩展性方面起什么作用？

主要发现

• 当且仅当概率测度的二阶矩矩阵位于框架向量的秩一投影的凸包内部时，离散概率框架是可扩展的。
• 可扩展性等价于存在一个正缩放向量，使得加权框架算子成为单位矩阵的标量倍。
• 可扩展概率框架的集合由涉及概率权重和框架向量的矩方程组刻画。
• 通过凸几何和框架算子的谱性质，推导出可扩展性的必要和充分条件。