[论文解读] Two-Dimensional Adaptive Fourier Decomposition

Tao Qian|arXiv (Cornell University)|Jun 9, 2014

Image and Signal Denoising Methods参考文献 18被引用 3

一句话总结

本论文通过多元复 Hardy 空间提出了一种二维自适应傅里叶分解（2D-AFD），引入了两种方法：乘积-TM 系统与乘积-Szeg€o 字典。提出了预正交匹配追踪算法（P-OGA），证明了其收敛性，并表明其收敛速度优于正交匹配追踪算法（OGA），在 2-环面上的 $H^2$ 空间中具有理论保证的收敛性，使用的是由诱导完全字典生成的系统。

ABSTRACT

One-dimensional adaptive Fourier decomposition, abbreviated as 1-D AFD, or AFD, is an adaptive representation of a physically realizable signal into a linear combination of parameterized Szegö and higher order Szegö kernels of the context. In the present paper we study multi-dimensional AFDs based on multivariate complex Hardy spaces theory. We proceed with two approaches of which one uses Product-TM Systems; and the other uses Product-Szegö Dictionaries. With the Product-TM Systems approach we prove that at each selection of a pair of parameters the maximal energy may be attained, and, accordingly, we prove the convergence. With the Product-Szegö dictionary approach we show that Pure Greedy Algorithm is applicable. We next introduce a new type of greedy algorithm, called Pre-Orthogonal Greedy Algorithm (P-OGA). We prove its convergence and convergence rate estimation, allowing a weak type version of P-OGA as well. The convergence rate estimation of the proposed P-OGA evidences its advantage over Orthogonal Greedy Algorithm (OGA). In the last part we analyze P-OGA in depth and introduce the concept P-OGA-Induced Complete Dictionary, abbreviated as Complete Dictionary . We show that with the Complete Dictionary P-OGA is applicable to the Hardy $H^2$ space on $2$-torus.

研究动机与目标

• 通过多元复 Hardy 空间理论将一维自适应傅里叶分解（1-D AFD）推广至二维。
• 为具有正瞬时频率的二维信号开发一种稳定、自适应的信号表示方法，以提升收敛性。
• 引入并分析一种新型贪婪算法——预正交匹配追踪算法（P-OGA），以实现在多维 Hardy 空间中的高效分解。
• 在二维设置中，特别是 2-环面上的 $H^2$ 空间中，建立收敛性与收敛速率估计的理论框架。

提出的方法

• 利用乘积-TM 系统在两个单位圆盘的乘积空间中构造一个有理正交系统，实现在每一步中选择最大能量分量。
• 基于参数化 Szeg€o 核及其高阶导数，采用乘积-Szeg€o 字典实现贪婪选择。
• 提出预正交匹配追踪算法（P-OGA），其原子选择基于与预正交化余项的内积，确保收敛性。
• 将 P-OGA-诱导完全字典定义为 Szeg€o 核方向导数的所有有限线性组合经正交化后形成的系统，使 P-OGA 在 $H^2$ 空间中适用。
• 在复 Hardy 空间背景下应用 Plemelj 公式与 Hilbert 变换理论，推导边界极限表示与内积恒等式。
• 利用 $L^2$-归一化核与再生核性质，推导收敛条件，特别是当参数趋于边界时（$|a| \to 1$ 或 $|b| \to 1$）。

实验结果

研究问题

• RQ1 能否通过多元复 Hardy 空间理论将 1-D AFD 推广至二维？
• RQ2 在二维设置中，预正交匹配追踪算法（P-OGA）是否比正交匹配追踪算法（OGA）具有更快的收敛速度？
• RQ3 能否从 Szeg€o 字典中诱导出一个完全字典，以确保 P-OGA 在 2-环面上的 $H^2$ 空间中收敛？
• RQ4 P-OGA 在二维 Hardy 空间中的理论收敛速率是多少？与 OGA 相比如何？
• RQ5 在能量最大化与收敛性方面，乘积-TM 系统与乘积-Szeg€o 字典在 2D AFD 中的表现有何差异？

主要发现

• 当使用 P-OGA-诱导完全字典时，P-OGA 在 2-环面上的 $H^2$ 空间中收敛，确保了稳定且自适应的分解。
• P-OGA 的收敛速度被理论估计并比较后证实快于正交匹配追踪算法（OGA）的收敛速度。
• 在乘积-TM 系统方法中，每一步均能获得最大能量，从而保证了分解过程的收敛性。
• P-OGA-诱导完全字典由 Szeg€o 核所有方向导数的有限线性组合经正交化后形成，实现了系统化且稳定的贪婪选择。
• 当 $|a| \to 1$ 或 $|b| \to 1$ 时，投影后余项的 $L^2$-范数趋于零，证实了贪婪选择过程的收敛性。
• 在一维情况下，P-OGA 在完全 Szeg€o 字典下恰好退化为经典的一维 AFD，验证了其与已有理论的一致性。