Sampling versus Random Binning for Multiple Descriptions of a Bandlimited Source
对于对称L-描述信源编码问题,随机合并是一种有效但复杂的编码技术。我们提出了另一种方法,使用的量化样本的带限源的“描述”。根据奈奎斯特条件,只要接收到足够的采样,就可以重构出信源。我们研究的编码方案,结合采样和噪声整形量化的情况下,只有K < L的描述或所有L的描述被接收。所接收的描述的K集合中的一些对应于均匀采样,而另一些对应于非均匀采样。该方案在均匀采样的K集上获得了最佳的率失真性能,但在非均匀采样的K集上会受到噪声放大。然后,我们表明,通过增加采样率和增加一个随机分仓阶段,最佳的操作点是实现任何K集。
2013-11-19 cs.IT math.IT
Sampling and Distortion Tradeoffs for Bandlimited Periodic Signals
本文研究了加性高斯白噪声下高斯带限周期信号的最优采样策略(均匀和非均匀)和失真折衷问题。我们的重点是表征最佳采样位置以及最佳预采样滤波器,以尽量减少重建失真。我们首先表明,要实现最佳失真,没有预采样滤波器是必要的任何任意采样率。然后,我们提供了一个完整的表征低和高采样率(相对于信号带宽)的最佳失真。我们还提供了边界的重建失真率在中间区域。它表明,非均匀采样优于均匀采样低采样率。此外,最优非均匀采样集是鲁棒的缺失采样值。另一方面,对于高于奈奎斯特速率的采样率,均匀采样策略是最优的。随机离散周期信号的结果的扩展进行了讨论,仿真结果表明,从连续域进行到离散域的直觉。稀疏信号也被认为是,它表明,均匀采样是最佳的奈奎斯特速率以上。
2016-10-30 cs.IT math.IT
Random Sampling of Bandlimited Graph Signals from Local Measurements
本文研究图信号的随机采样,证明通过 O(klogk) 次局部测量即可稳定恢复 k-带限信号,并提出了最优与估计两种基于测地距离的采样策略。
2023-10-18 cs.IT eess.SP math.IT
Efficient Sampling Set Selection for Bandlimited Graph Signals Using Graph Spectral Proxies
研究了图上信号带限重构的最佳采样集选择问题。图信号的频域表示可以使用考虑底层图连通性的变分算子的特征向量和特征值来定义。在节点上定义的平滑变化的信号在各种应用中特别感兴趣,并且倾向于在频率基础上近似带限。图信号的采样理论处理的问题是选择最佳的节点子集,从它的样本中重建一个带限信号。解决这个问题的大多数方法需要计算频率基础(即,变分算子的本征向量),随后是使用基元素的搜索过程。就存储和时间复杂度而言,对于涉及非常大的图的真实数据集,这可能是不切实际的。我们规避这个问题,在我们的配方中引入的数量称为图形频谱代理,定义使用的权力的变化算子,为了近似的频谱内容的图形信号。这使我们能够制定一个直接的采样集选择方法,不需要计算和存储的基础元素。我们表明,我们的方法也提供了稳定的重建时,样本是嘈杂的,或当原始信号只有大约带宽限制。此外,所提出的方法是有效的变分算子的任何选择,从而涵盖了广泛的图形和应用。我们证明了它的有效性,通过各种数值实验。
2016-03-08 cs.IT math.IT
On Bandlimited Spatiotemporal Field Sampling with Location and Time Unaware Mobile Sensors
用于环境感测的时空场的采样是感兴趣的。传统上,几个固定的站点或采样位置有助于空间场的重建。最近,人们对空间场的移动感测和位置感知感兴趣。在这项工作中,一般类域所管辖的常系数线性偏微分方程被认为是。这个类模拟许多物理场,包括温度、污染和扩散场。分析是在一个维度的第一次博览会。它是假设一个移动传感单元是可用于采样的时空领域的利益在未知的位置和未知的时间-都产生独立和未知的更新过程。提出了一种基于测量噪声影响样本的空间场重建算法。它示出,如果该字段上的初始条件是带限的,则原始和估计字段之间的均方误差减小为$O(1/n)$,其中$n$是移动传感器的平均采样密度。该算法具有通用性,即不需要已知采样点的位置和采样时刻的统计分布。
2017-12-05 cs.IT math.IT
Bandlimited Signal Reconstruction From the Distribution of Unknown Sampling Locations
我们研究了带限领域的重建从未知的,但统计分布的采样位置的样本。该设置的动机是分布式采样的传感器位置的精确知识可能是困难的。周期性的一维带限场被认为是采样。在独立和同分布的位置上的字段的完美的样本被获得。采样地点的统计实现尚不清楚。首先,它表明,一个带限字段不能唯一地确定在统计分布,但未知的位置,即使样本的数量是无限的样本。接下来,假设样本位置的顺序已知。在这种情况下,使用顺序统计的见解,有用的渐近性质的字段的估计设计。失真(均方误差)和中心极限建立此估计。
2013-03-06 cs.IT math.IT math.ST
On Minimal Trajectories for Mobile Sampling of Bandlimited Fields
我们研究了稳定采样的采样轨迹设计和使用移动传感器的带限空间场的重建。假设谱是一个对称凸集。作为性能度量,我们使用采样轨迹集的路径密度,其被定义为被监测的空间区域的每单位空间体积的移动传感器行进的总距离。首先集中在平行线上,我们确定了一组平行线的最小路径密度,包含一组稳定的采样字段bandlimited到一个已知的集合。然后,我们证明了问题成为不适定的优化时,在所有的轨迹演示一个可行的轨迹集与任意低的路径密度。然而,问题变得适定,如果我们明确指定的稳定性裕度。我们证明了这一点,通过获得一个非平凡的下界的路径密度的任意一组轨迹,包含一个采样集明确指定的稳定界限。
2014-11-24 cs.IT math.CA math.IT
Compressive phase retrieval of sparse bandlimited signals
这一贡献提出了一个两阶段的战略,以允许相位检索的最先进的亚奈奎斯特采样方案的稀疏多频带信号。所提出的策略是基于数据采集,通过调制的宽带转换器已知的亚奈奎斯特采样。本文介绍了如何调制器进行修改,使信号恢复从子奈奎斯特幅度样本成为可能,并给出了相应的恢复算法,这是计算效率。此外,所提出的策略是相当普遍的,允许几个结构和恢复算法。
2015-09-27 cs.IT math.IT
Sampling of operators
函数的采样和重构是科学中的核心工具。一个关键的结果是由采样定理带宽有限的功能归因于惠特克,香农,奈奎斯特,和Kotelnikov。我们开发了一个类似的抽样论的运营商,我们称之为带限,如果他们的科恩-尼伦伯格符号是带限的。我们证明了这样的运营商的采样定理,并表明它们是经典的采样定理的扩展。
2010-10-29 cs.IT math.CA math.FA
Sampling and reconstruction of operators
我们研究了恢复运营商与带限Kohn-Nirenberg符号的行动,这样的运营商的加权脉冲训练,一个程序,我们称之为运营商抽样。Kailath,后来Kozek和作者已经表明,运营商采样是可能的,如果运营商的符号是带限的一组面积小于1。在本文中,我们开发了显式重建公式的算子采样,推广重建公式的带限函数。我们给出的采样率的充分必要条件,取决于大小和几何的带限集。此外,我们表明,在温和的几何条件下,类的运营商bandlimited到一个未知的一组面积小于一半允许采样和重建。Heckel和Boelcskei独立地获得了一个类似的结果,考虑了未知的面积小于1的集合。具有带限符号的算子已经被用来模拟具有慢时变脉冲响应的双色散通信信道。本文的结果是植根于工作的贝洛和Kailath在20世纪60年代。
2015-03-02 cs.IT math.FA math.IT
Beyond Nyquist: Efficient Sampling of Sparse Bandlimited Signals
宽带模拟信号将当代模数转换系统推向其性能极限。然而,在许多应用中,以奈奎斯特速率采样是低效的,因为感兴趣的信号仅包含相对于频带限制的少量有效频率,尽管频率的位置可能事先不知道。对于这种类型的稀疏信号,其他采样策略是可能的。本文介绍了一种新型的数据采集系统,称为随机解调器,这是由强大的,现成的组件。令K表示信号中频率的总数,并且令W表示其以Hz为单位的带宽限制。仿真表明,随机解调器每秒只需要O(K log(W/K))个样本就可以稳定地重建信号。该采样率以指数方式低于奈奎斯特频率W Hz。与奈奎斯特采样相反,必须使用非线性方法,例如凸规划,从随机解调器采集的样本中恢复信号。本文提供了一个详细的理论分析系统的性能,支持的经验观察。
2009-09-22 cs.IT math.IT
Local sampling and approximation of operators with bandlimited Kohn-Nirenberg symbols
最近的采样定理允许恢复运营商的带宽限制科恩-尼伦伯格符号从他们的响应一个单一的离散支持标识符信号。现有的结果本质上是非局部的。例如,我们表明,为了准确地恢复一个带限算子,标识符不能在时间上也不能在频率上衰减。此外,局部和离散表示的概念在理论中缺失。在本文中,我们开发了解决这些缺点的工具。我们表明,要获得一个运营商的本地近似,它是足够的截断和软化三角洲训练,也就是说,一个composite支持Schwarz类函数上测试运营商。为了数值地计算算子,可以从响应函数获得离散测量值,这些离散测量值在局部选择值产生算子的局部近似的意义上是局部化的。我们分析的中心是概念化的意义的有限带Kohn-Nirenberg符号的运营商的本地化。
2013-10-19 cs.IT math.CA math.FA
Multidimensional Sampling of Isotropically Bandlimited Signals
给出了多维采样和重构的平均重构误差方差的一个新的下界。它适用于任意维数的任意格点上的采样,假设随机过程具有常数、各向同性带限谱和最佳线性重构。在足够高和足够低的采样率下,该下限对于任何晶格都是精确的。误差方差偏离下界的两个阈值率给出了采样格的两个最优性准则。证明了在低速率下,在第一阈值附近,最优格是最优球覆盖格的对偶,首次建立了最优采样与最优球覆盖之间的严格关系.一个先前已知的结果被确认在高利率,接近第二个阈值,即,最佳的晶格是最好的球填充晶格的对偶。数值结果量化的性能,各种格采样和支持理论的最优性标准。
2017-03-01 cs.IT math.IT math.ST
Robust recovery of bandlimited graph signals via randomized dynamical sampling
热扩散过程在图上的动力系统建模中有着广泛的应用。在本文中,我们考虑恢复的$k$ -带限图信号,这是一个初始信号的热扩散过程从其时空样本。我们提出了三个随机时空采样制度,称为动态采样技术,包括在随机选择一个小的时空节点的子集,根据一些概率分布。我们表明,所需的空间-时间样本的数量,以确保稳定的恢复每个政权取决于一个参数称为谱图加权相干性,这取决于动态之间的相互作用,在图形和采样概率分布。在最佳情况下,不超过$\mathcal{O}(k \log(k))$空时样本足以确保所有$k$带限信号的准确和稳定恢复。在任何情况下,通过利用时间信息,动态采样通常需要比静态情况少得多的空间样本。然后,我们提出了一种计算效率高的方法来重建$k$带限信号从他们的空时样本。我们证明,它产生准确的重建,它也是稳定的噪声。最后,我们测试各种各样的图形上的动态采样技术。数值结果支持我们的理论研究结果,并证明了效率。
2021-10-04 cs.IT cs.NA math.IT
Bandlimited Spatial Field Sampling with Mobile Sensors in the Absence of Location Information
利用移动传感器对物理场进行采样是一个新兴的领域。在这种情况下,这项工作介绍并提出了一个基本问题的解决方案:可以从未知的采样位置的样本估计的空间场?未知的采样位置,样本量化,未知带宽的字段,并存在测量噪声的字段估计过程中提出的困难。在这项工作中,除了量化,其他三个问题将在移动采样框架中一起解决。空间带限领域被认为是。它是假设测量噪声影响的现场样本收集从一个未知的更新过程中获得的空间位置。即,在从更新过程获得的位置上获得样本,但是采样位置和更新过程分布是未知的。在这个未知的采样位置设置,它表明,在现场估计的均方误差减少为$O(1/n)$,其中$n$是由移动传感器收集的样本的平均数。所收集的样本的平均数量由更新过程中的样本间间距分布确定。详细介绍了一种确定空间场带宽的算法,该算法随着平均样本数$n$的增加而以很高的概率工作。该算法在相同的设置中工作,即,在存在测量噪声和未知采样位置的情况下。
2016-01-24 cs.IT math.IT math.ST
High-resolution distributed sampling of bandlimited fields with low-precision sensors
在分布式的,通信受限的,处理环境中,采样的问题的离散时间序列的空间带宽有限的字段与有界的动态范围。需要一个中央单元,可以访问由固定精度传感器组成的密集网络收集的数据,在严格的节点间通信约束下运行,以最大的精度重建现场快照。确定性和随机场模型被认为是。对于随机场,结果是在几乎肯定意义下成立的。过采样率(传感器密度)和模数转换器(ADC)的精度之间有一个灵活的权衡,同时实现每奈奎斯特间隔每快照的位数的指数精度的可行性被证明。这揭示了一个潜在的“比特守恒”原理:每个快照的每个奈奎斯特间隔的比特预算(速率)可以以几乎任意的离散值方式沿着幅度轴(传感器精度)和空间(传感器密度)分布,同时保持相同的(指数)失真率特性。在有界区域上的场重构的可量化信息缩放定律也被导出:对于每个奈奎斯特间隔、$Θ(\log N)$奈奎斯特间隔和总网络比特率$R_{net} = Θ((\log N)^2)$(每个传感器比特率$Θ((\log N)/N)$)的N个一比特传感器,最大逐点失真变为零,如$D = O((\log N)^2/N)$或$D = O(R_{net} 2^{-β\sqrt{R_{net}}})$。这被证明是可能的,只有最近的邻居通信,分布式编码,和适当的插值算法。对于一个固定的,非零的目标失真,固定精度的传感器的数量和所需的网络速率总是有限的。
2008-12-11 cs.IT math.IT
Random space-time sampling and reconstruction of sparse bandlimited graph diffusion field
本文针对热扩散驱动的稀疏带限图信号,提出随机时空采样机制,并利用动态谱图加权相干性建立理论框架,证明仅需 O(s log(k)) 个时空样本即可稳定重建,同时给出高效算法并通过实验验证。
2024-10-23 cs.IT cs.NA math.IT
Bandlimited Field Reconstruction from Samples Obtained at Unknown Random Locations on a Grid
我们研究了采样的空间领域使用传感器,位置不知道,但根据一个已知的统计分布部署。它已被证明,均匀分布的位置不知道传感器不能推断由于对称性和移位不变性的字段的带宽限制的字段。这项工作研究不对称(非均匀)分布的位置不知道传感器,将使带限场推断。为了便于分析,位置不知道的传感器被限制在一个离散的网格。过采样,然后聚类的样本使用的概率分布,管理传感器放置在网格上被用来推断字段。基于这种聚类算法,这项工作的主要结果是找到传感器位置的最佳概率分布,最大限度地减少了潜在的空间场的检测错误概率。建议的聚类算法也扩展到包括在传感器噪声的存在下,通过处理的噪声样本的分布作为一个混合模型和使用聚类估计的混合模型参数的信号重建的情况。
2016-11-30 cs.IT math.IT
Structured sampling and fast reconstruction of smooth graph signals
这项工作涉及采样的光滑信号的任意图。我们首先研究了结构化的采样策略,这样的光滑的图形信号,包括随机选择的几个预定义的节点组。通过称为\emph{group}图累积相干性的量来驱动要采样以稳定地嵌入$k$带限信号集合的组的数量。对于一些优化的采样分布,我们表明,采样$O(k\log(k))$组总是足以稳定地嵌入一组$k$ -带限信号,但这个数字可以更小-下降到$O(\log(k))$ -取决于节点组的结构。快速的方法来近似这些抽样分布的详细说明。其次,我们考虑$k$ -带限信号,几乎是分段恒定的预定义组的节点。我们表明,这是可能的,以加快重建这样的信号,通过大幅减少的向量的维数进行重建。当结合所提出的结构化采样过程中,我们证明了该方法提供了稳定和准确的原始信号的重建。最后,我们提出了数值实验来说明我们的理论结果,并作为一个例子,展示了如何结合这些方法在图像中使用超像素的交互式对象分割。
2017-02-26 cs.IT cs.SI math.IT
Sparse Sampling in Fractional Fourier Domain: Recovery Guarantees and Cramér-Rao Bounds
本文针对分数阶傅里叶变换域的稀疏采样问题,提出了一种避免频谱泄漏的时域稀疏恢复方法并给出适用于任意FrFT带限核的采样定理,同时推导了Cramér-Rao Bounds以填补文献空白。
2024-04-29 cs.IT eess.SP math.IT
Sampling Theory for Graph Signals on Product Graphs
Carnegie Mellon University(卡内基梅隆大学);NYU Tandon School of Engineering(纽约大学坦登工程学院)
在本文中,我们扩展了采样理论的图,构建了一个框架,利用产品图的结构,有效的采样和恢复的带限图信号,躺在他们。产品图是由更小的图原子组成的图;我们激励这个模型如何成为一种灵活而有用的方式来建模更丰富的数据类别,这些数据在本质上可以是多模态的。以前的工作已经建立了带限信号的图上的采样理论。重要的是,该框架在样本复杂性和计算复杂性方面都实现了显著的节省
2018-09-26 cs.AI cs.IT cs.LG
Generalized Sampling Expansions Associated with Quaternion Fourier Transform
四元数值信号与四元数傅里叶变换(QFT)一起为矢量值信号和图像处理提供了一个有效的框架。然而,四元数值信号的抽样论还没有得到很好的发展。本文利用广义平移和卷积,给出了与QFT相关的广义采样展开式。证明了基于QFT的M个线性系的输出信号样本可以重构出QFT意义下的σ-带限四元数值信号。四元数线性正则变换(QLCT)是六参数QFT的推广。利用QFT之间的关系,推导了σ-带限四元数信号在QLCT意义下的采样公式。最后举例说明了我们的结果。
2016-06-28 cs.IT math.CA math.FA
System Approximations and Generalized Measurements in Modern Sampling Theory
本文研究了带限函数空间中采样数据的信号重构问题。在第一部分中,信号空间的特点是,经典的采样序列一致收敛,我们研究自适应恢复算法是否可以产生一致收敛的空间,非自适应采样序列不。特别是,它表明,自适应信号恢复算法的研究需要全新的分析工具,因为用于非自适应重建程序,这是基于著名的巴拿赫-斯坦豪斯定理的方法,是不适用于自适应的情况下。第二部分分析了基于输入信号样本的稳定线性时不变(LTI)系统输出的逼近,其中输入信号被假设为属于带限函数的Paley-Wiener空间,具有绝对可积傅立叶变换。如果样本是通过输入信号f的点估计获得的,则存在稳定的LTI系统H,使得即使过采样因子任意大,逼近过程也不会收敛到期望的输出H(f)。如果允许输入信号的广义测量,则每个稳定的LTI系统的输出可以根据输入信号的广义测量一致地近似。最后一节研究了只有信号样本的幅度已知的情况。它示出,可以找到特定的测量泛函,使信号恢复的带限信号从幅度测量是可能的,与整体的四倍的奈奎斯特速率的采样率。
2014-10-21 cs.IT math.FA math.IT
Relevant Sampling of Band-limited Functions
研究了多元带限函数的随机抽样问题。如果带宽为1的带限函数在体积$R^d$的立方体上具有其基本支集,则$\cO (R^d \log R^d)$随机样本足以以高概率逼近该函数直到给定误差。
2012-03-01 cs.IT math.IT math.PR
Convolutional dynamical sampling and some new results
本章研究卷积算子驱动的动态采样问题,回顾有限维结果并扩展至无限维,重点分析时空采样集的密度。
2024-07-05 cs.IT math.IT
Back in the US-SR: Unlimited Sampling and Sparse Super-Resolution with its Hardware Validation
Unlimited Sensing Framework(USF)是一种数字采集协议,允许对高动态范围信号进行采样和重构。通过获取模样本,USF避免了限幅或饱和问题,这是传统模数转换器(ADC)中的基本瓶颈。在USF的上下文中,一些作品都集中在带限函数类,最近,硬件验证的模采样方法已经提出。在不同的方向,在本文中,我们专注于非带限函数类,并考虑著名的超分辨率问题,我们研究了稀疏信号(狄拉克脉冲)的恢复低通滤波,模样本。采用端到端的方法,基于超分辨率的USF,我们提出了一种新的恢复算法(US-SR),利用了双稀疏结构的模样本。我们推导出一个采样标准的US-SR方法。模ADC的硬件实验证明了我们的方法在现实的噪声环境中的经验鲁棒性,从而验证了其实际效用。
2022-07-27 cs.IT eess.SP math.IT
Unlimited Sampling of Bandpass Signals: Computational Demodulation via Undersampling
本文研究带通信号的模运算采样问题,基于无限制采样框架,证明了在亚奈奎斯特速率下从欠采样模表示中恢复带通信号的采样定理,并通过数值仿真和硬件实验验证了方法的有效性。
2023-07-10 cs.IT eess.SP math.IT
Sampling and Reconstruction of Spatial Fields using Mobile Sensors
Ecole Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
空间采样传统上是在静态环境中研究的,其中分散在空间周围的静态传感器在其位置处测量空间场。在本文中,我们研究了新兴的范例,采样和重建空间场使用传感器,通过空间移动。我们表明,移动传感提供了一些独特的优势,静态传感在感测时不变的带限空间领域。由于移动的传感器沿着其路径遇到这样的空间场作为时域信号,因此可以在对传感器处接收的信号进行采样之前采用时域抗混叠滤波器。当由沿着等间距平行线以恒定速度移动的传感器的配置使用时,这样的滤波过程导致在传感器的运动方向上的空间混叠的完全抑制。我们分析量化的优点,使用这样一个采样方案的静态采样方案,通过计算减少采样噪声,由于过滤器。我们还分析了非均匀传感器速度对重建精度的影响。通过仿真实例,我们证明了移动采样在实际问题中相对于静态采样的优势。我们将我们的分析扩展到使用移动传感器监测时变带限场的采样和重建方案。我们证明,在某些情况下,我们需要一个较低的传感器密度时,使用移动传感方案,而不是传统的静态传感方案。对于采样和重建音频场的问题,量化了确切的优点。
2012-11-01 cs.CV cs.IT cs.MM
1-Bit Unlimited Sampling Beyond Fourier Domain: Low-Resolution Sampling of Quantization Noise
本文提出一种超越傅里叶域的1比特无限采样架构,通过推广噪声整形并开发变换域恢复方法,在降低过采样要求的同时提升鲁棒性,扩展了1比特采样系统的适用范围。
2025-09-08 cs.IT eess.SP math.IT
Nyquist-Sampling and Degrees of Freedom of Electromagnetic Fields
本文提出了一种信号空间方法来研究任意散射条件下电磁场的奈奎斯特采样、自由度和重建问题。传统的信号处理工具,如多维采样定理和傅立叶理论,用于提供电磁波传播的线性系统理论解释,从而揭示电磁场的空间带限性质。它们的空间带宽由底层散射的选择性决定,这允许建立奈奎斯特空间采样,减少需要处理的场样本的数量。
2022-10-11 cs.IT eess.SP math.IT
Time Delay Estimation from Multiband Radio Channel Samples in Nonuniform Noise
多径无线电信道被认为具有非带限信道脉冲响应。因此,它是具有挑战性的,以实现高分辨率的时间延迟(TD)估计的多径分量(MPC)的通信信号的带限观测。本文研究了MPC的多带信道采样和TD估计问题。我们假设非理想多分支接收机用于多频带采样,其中噪声在接收机分支上是不均匀的。从采集的样本形成的汉克尔矩阵的数据模型具有多个平移不变性结构,我们提出了一种算法的TD估计使用加权子空间拟合。将子空间拟合问题转化为可分离的非线性最小二乘问题,并采用变量投影法求解。该算法支持高分辨率TD估计从任意数量的频带,它允许跨频带的非均匀噪声。数值仿真结果表明,该算法几乎达到了Cramer-Rao下界,性能优于多分辨率TOA、MI-MUSIC和ESPRIT等方法。
2019-12-10 cs.IT eess.SP math.IT
On the d-dimensional Quasi-Equally Spaced Sampling
我们研究了一类随机矩阵,出现在几个通信和信号处理应用中,其渐近特征值分布是密切相关的不规则采样带限信号的重建误差。我们专注于表征这些矩阵的随机变量是d维向量、独立和准等距的情况,即,它们具有任意分布,并且它们的平均值是d维网格的顶点。虽然特征值分布的封闭形式表达式仍然是未知的,在这些条件下,我们能够(i)推导出分布矩随着矩阵大小增长到无穷大,而其纵横比保持不变,和(ii)表明,特征值分布趋于Marcenko-Pastur定律d->无穷大。这些结果可以在几个领域中找到应用,作为一个例子,我们展示了它们如何可以用于线性重建技术提供的均方误差的估计。
2008-06-23 cs.IT math.IT
Spatial Field estimation from Samples taken at Unknown Locations generated by an Unknown Autoregressive Process
用移动传感器对物理场进行采样是一个即将到来的感兴趣的领域。这在成本方面提供了更大的优势,因为通常仅单个传感器可以用于该目的,并且这几乎可以在没有感测站的任何地方使用,并且具有标称的操作成本。在移动感测设置中,采样位置的准确知识可能导致成本的多方面增加。此外,移动车辆的惯性约束样本间距离之间的独立性,使它们相关。因此,这项工作的目的是估计空间带限字段的样本,损坏的测量噪声,收集的采样位置上获得的样本间距离的自回归模型。自回归模型用于捕获样本间距离之间的相关性。在这种设置中的采样在未知的采样位置从样本间距离的自回归模型获得,字段和其估计版本之间的均方误差已被证明为O($1/n$),其中$n$是移动传感器所采取的样本的平均数减少。
2017-12-05 cs.IT math.IT
Sampling and Super-resolution of Sparse Signals Beyond the Fourier Domain
从傅立叶域中的低通投影恢复稀疏信号是科学和工程中广泛关注的问题,并且通常被称为超分辨率。然而,在许多情况下,傅立叶域可能不是自然的选择。例如,在全息术中,在菲涅耳域中获得稀疏信号的低通投影。类似地,时变系统辨识依赖于线性调频信号空间上的低通投影。本文研究了在特殊仿射傅里叶变换域(SAFT)中从低通投影中恢复稀疏信号的问题。SAFT参数化地概括了在信号处理和光学中使用的许多众所周知的酉变换。在类似的香农的采样框架,我们指定采样定理恢复稀疏信号考虑三种具体情况:(1)采样与任意的,带限内核,(2)采样与光滑,时间限制的内核,(3)恢复与SAFT域连接的Gabor变换测量。我们的工作提供了一个统一的角度稀疏采样问题,这是兼容的傅立叶,菲涅耳和分数傅立叶域的结果。在推导我们的结果,我们介绍了SAFT系列(类似于傅立叶级数)和短时间SAFT,并研究卷积定理,建立一个卷积-乘法性质的SAFT域。
2018-06-05 cs.IT eess.SP math.IT
Necessary Density Conditions for Sampling and Interpolation in Spectral Subspaces of Elliptic Differential Operators
该研究针对带缓振荡符号的二阶一致椭圆微分算子谱子空间,结合谱理论等多类方法证明了临界采样密度的存在性并给出计算方式,还得到一维可变带宽的新临界密度。
2021-11-26 cs.IT math.AP math.FA
Time Encoding via Unlimited Sampling: Theory, Algorithms and Hardware Validation
传统均匀采样的一种替代方法是时间编码,它将连续时间信号转换为触发时间流。这就产生了事件驱动采样(EDS)模型。EDS采集的数据驱动性质在功耗和时间分辨率方面是有利的,并且受到生物神经系统中的信息表示的启发。如果模拟信号在预定义的动态范围之外,则EDS生成低密度的触发时间,这进而导致由于混叠而导致的恢复失真。在本文中,受无限传感框架(USF)的启发,我们提出了一种新的EDS架构,采用了模非线性之前,我们称为模EDS或MEDS的收购。在MEDS中,模非线性将高动态范围输入折叠成低动态范围幅度,从而避免恢复失真。特别是,我们认为异步Σ-Δ调制器(ASDM),以前用于低功耗模数转换。这种新的MEDS为基础的收购是使最近的泛化称为模滞后的模非线性。我们设计了一个数学保证的恢复算法的带限输入的基础上的采样率标准,并提供重建误差界。我们超越了数值实验,还提供了我们的方法的第一个硬件验证,从而弥合了理论与实践之间的差距,同时证实了我们工作的概念基础。
2022-08-22 cs.IT eess.SP math.IT
Shannon Sampling and Parseval Frames on Compact Manifolds
本文是对\cite{gpes} - \cite{Pesssubm}中关于黎曼流形的一些结果的总结。据我们所知,这些都是开创性的文件,其中包含最一般的结果框架,香农采样,和容积公式紧凑和非紧凑黎曼流形。特别地,本文\cite{gpes}给出了齐次紧致流形上紧局部化框架的一个“端点”构造。该文件\cite{Pessubm}是第一个系统的发展局部框架紧域在欧氏空间。
2013-12-06 cs.IT math.FA math.IT