arXiv 1209.56982012-09cs.ITmath.IT

广义Sinc函数重构非带限信号的采样误差分析及性质

Sampling Error Analysis and Properties of Non-bandlimited Signals That Are Reconstructed by Generalized Sinc Functions

Youfa Li, Qiuhui Chen, Tao Qian, Yi Wang

摘要：

近年来，利用广义sinc函数对各种非带限信号进行了理想重构。因此，完美的重建采样公式已建立使用这种广义sinc函数。本文研究了自适应截断方案重构非带限信号的误差。此外，当样本中存在噪声时，还给出了与重构信号相关的误差的期望和方差的估计。最后讨论了非带限信号空间中函数的再生性和Sobolev光滑性。

英文摘要：

Recently efforts have been made to use generalized sinc functions to perfectly reconstruct various kinds of non-bandlimited signals. As a consequence, perfect reconstruction sampling formulas have been established using such generalized sinc functions. This article studies the error of the reconstructed non-bandlimited signal when an adaptive truncation scheme is employed. Further, when there are noises present in the samples, estimation on the expectation and variance of the error pertinent to the reconstructed signal is also given. Finally discussed are the reproducing properties and the Sobolev smoothness of functions in the space of non-bandlimited signals that admits such a sampling formula.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

带限信源多描述的采样与随机合并

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。

2013-11-19cs.ITmath.IT

关于通过噪声整形从随机样本量化重建带限信号

On the reconstruction of bandlimited signals from random samples quantized via noise-shaping

Indian Institute of Technology Madras（印度马德拉斯理工学院）；Technical University of Munich（慕尼黑工业大学）

研究探讨了噪声整形量化技术与带限函数随机样本的兼容性，通过噪声整形量化技术可以从随机样本中高概率重建带限信号，且在样本点完全随机的情况下实现了统一的衰减特性。

2026-05-20cs.ITmath.IT

与四元数傅里叶变换相关的广义采样展开

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。

2016-06-28cs.ITmath.CAmath.FA

FFT多通道插值及其在图像超分辨率中的应用

FFT Multichannel Interpolation and Application to Image Super-resolution

University of Macau（澳门大学）

本文提出了一种创新的工具集，用于支持离散信号的多通道插值（MCI）方法。研究显示，带限信号$f$可以从$g_k$（$1\leq k\leq M$）的有限样本中精确重建，其中$g_k$是$M$个线性系统对输入$f$的响应。所提出的插值方法也可用于近似非带限信号。通过定量误差分析，确保其在近似非带限信号和希尔伯特变换中的有效性。基于FFT技术，提出了一种高效且可靠的MCI快速算法。通过多个模拟展示了MCI的突出性能。此外，所提出的插值方法应用于单图像超分辨率（SISR）。通过实验研究，展示了其在SISR的准确性和速度方面的优越性能。我们的结果通过标准测量标准与图像上采样和重建的最新方法进行了定性和定量比较。

2019-04-10cs.ITcs.NAmath.IT

带通信号的时间编码采样

Time Encoding Sampling of Bandpass Signals

本文研究了用时间编码机（TEM）对带通信号进行采样和重构的问题。结果表明，这种采样在原理上等价于周期非均匀采样（PNS）。然后，TEM参数可以根据信号带宽和幅度来设置，而不是像带限/低通信号的情况下那样根据上边缘频率和幅度来设置。对于单个信息频带的带通信号，如果TEM参数使得每个信道中的时间序列的任何连续值之间的差由信号带宽的倒数限定，则可以完美地重建带通信号。提出了一种结合PNS插值函数的重建方法。数值实验验证了所提出的TEM格式的可行性和有效性。

2023-02-15cs.ITeess.SPmath.IT

现代抽样理论中的系统近似和广义测量

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。

2014-10-21cs.ITmath.FAmath.IT

更多相关论文收起更多论文

基于局部集的图信号重构

Local-set-based Graph Signal Reconstruction

基于图的信号处理正受到越来越多的关注。对于低频子空间中的图形信号，可以通过利用图形信号的平滑度来通过采样数据重建与未采样顶点相关联的缺失数据。本文引入局部集的概念，提出了两种基于局部集的迭代法，用于由采样数据重构带限图信号。在每次迭代中，所提出的方法之一重新加权不同顶点的采样残差，而另一个传播的采样残差在各自的本地集。这些算法是建立在框架理论和局部集的概念，在此基础上提出了几个框架和收缩算子。然后，我们证明了重建方法在一定条件下收敛到原始信号，并证明了新方法导致比基线方法更快的收敛速度。此外，本文还全面分析了图形信号采样与时域不规则采样的对应关系，为图形信号的进一步研究提供了参考。进行了计算机模拟。实验结果表明，在不同的采样几何形状，不精确的先验知识的截止频率，和噪声的情况下的重建方法的有效性。

2015-02-24cs.ITmath.IT

高斯正则化Shannon采样公式的收敛性分析

Convergence Analysis of the Gaussian Regularized Shannon Sampling Formula

我们考虑从有限局部化样本数据重构带限函数。由于sinc函数的缓慢衰减，截断经典的香农采样序列导致不令人满意的收敛速度。为了克服这一缺点，工程上提出了一种简单而高效的方法--香农级数的高斯正则化方法，并受到了广泛的关注。它的工作原理是将香农级数中的sinc函数乘以正则化的高斯函数。L. Qian（Proc. Amer. Math. Soc.，2003）为该方法建立了$O(\sqrt{n}\exp(-\frac{π-δ}2n))$的收敛速度，其中$δ<π$是带宽，$n$是样本数据的数量。C. Micchelli { \it等} (J. Complexity，2009）提出了不同的正则化方法，并得到了$O(\frac1{\sqrt{n}}\exp(-\frac{π-δ}2n))$相应的收敛速度。后者的速度是迄今为止最好的所有正规化方法的香农级数。然而，他们的正则化方法涉及线性系统的求解，并且是隐式的和更复杂的。本文的主要目的是证明Shannon级数的高斯正则化也能达到与C. Micchelli { \it et al}.我们还表明，高斯正则化方法可以提高有用的平均采样的收敛速度。最后，数值实验的出色表现证明了我们的结果。

2016-01-07cs.ITmath.IT

模数压缩的基本失真极限

Fundamental Distortion Limits of Analog-to-Digital Compression

用一组样本来表示连续时间信号是信号处理中的一个经典问题。我们研究这个问题的额外约束下，在有限的比特率预算下，以有损的方式量化或压缩的样本。为此，我们考虑一个组合的采样和信源编码的问题，其中一个模拟的平稳高斯信号是从其编码样本重建。这些样本是通过连续时间路径的一组有界线性泛函获得的，并且对该设置中每单位时间获得的平均样本数量有限制。我们提供了一个完整的表征的采样频率，比特率和信号的频谱方面的最小失真。假设信号的能量不是均匀分布在其频谱支持，我们表明，对于每个压缩比特率存在一个临界采样频率小于奈奎斯特速率，使得在此频率下采样时，信号重构的失真是最小的。我们的结果可以被看作是一个扩展的经典采样定理的带限随机过程的意义上，它描述了最小量的过度失真的重建，由于有损压缩的样本，并提供了所需的最小采样频率，以实现这种失真。最后，我们比较的基本限制相结合的信源编码和采样问题的脉冲编码调制（PCM）的性能，其中每个样本是由一个标量量化器使用一个固定的比特数进行量化。

2018-04-10cs.ITmath.IT

阵列处理中稀疏相关信号的欠采样

Sub-Nyquist Sampling of Sparse and Correlated Signals in Array Processing

本文考虑了同时稀疏和相关（S $\&$ C）信号的有效采样。这种信号出现在阵列处理的各种应用中。我们提出了一个可实现的采样架构，S $\&$ C的收购在一个子奈奎斯特速率。我们证明了一个采样定理，即使当采样率小于奈奎斯特率的数量级，所获得的信号的准确和稳定的重建。量化，我们的研究结果表明，合奏$M$信号，由先验未知的潜在$R$信号，每个频带限制到$W/2$，但只有$S$ -稀疏的傅立叶域，可以重建完全从压缩采样仅在每秒$RS\log^α W$样本的速率。当使用$R \ll M$和$S\ll W$时，与每秒采样$MW$的奈奎斯特速率相比，这相当于采样率的显著降低。这是第一个结果，提出了一个可实现的采样架构，和采样定理的S $\&$ C信号的压缩采集。从亚奈奎斯特速率的信号重建归结为从一些线性测量中恢复稀疏且低秩（S $\&$ L）矩阵。传统的S $\&$ L矩阵的凸罚函数在测量次数上不是最优的。我们采取两步算法来恢复S $\&$ L矩阵从一个接近最佳的测量数。然后，该结果转换为来自亚奈奎斯特采样率的信号重构算法。

2023-01-18cs.ITeess.SPmath.IT