Radon random sampling and reconstruction in local shift-invariant signal space
School of Mathematics, Sun Yat-sen University（中山大学数学学院）；Guangdong Province Key Laboratory of Computational Science（广东省计算科学重点实验室）
本文研究局部平移不变信号空间中Radon变换前随机采样与重构问题，证明采样集在足够样本量下高概率稳定，并基于Radon变换数据建立显式信号重构公式。
2025-11-04 cs.IT math.IT math.OC
Sparse image reconstruction on the sphere: implications of a new sampling theorem
研究了采样定理对球面上稀疏图像重建保真度的影响。我们讨论了如何减少所需的样本数量来表示所有的信息内容的带限信号的行为，以提高稀疏图像重建的保真度，通过信号的维数和稀疏性。为了证明这一结果，我们考虑一个简单的修复问题的领域，并考虑图像稀疏的幅度，其梯度。我们开发了一个框架，全变分（TV）修复的领域，包括快速的方法，使修复问题的计算可行的高分辨率。最近，一个新的采样定理的领域是发达国家，减少了所需的样本数量的一个因素的两个等角采样计划。通过数值模拟，我们验证了增强的保真度稀疏图像重建由于更有效的采样的球体提供了新的采样定理。
2013-04-16 astro-ph.IM cs.IT math.IT
Reconstruction of Frequency Hopping Signals From Multi-Coset Samples
多陪集（MC）采样是一种成熟的、实际可行的用于采样低于奈奎斯特速率的多频带模拟信号的方案。MC采样在压缩感知（CS）社区中重新获得了兴趣，部分原因是在频域中，MC采样与其他亚奈奎斯特CS采集协议非常相似。本文研究模拟跳频信号的MC采样，模拟跳频信号可以看作是频带位置变化的多频带信号。这种非平稳性促使我们考虑一个基于段的重建框架，在该框架中，样本流被分解为短段进行重建。相比之下，以前的作品侧重于多频带信号的重建，使用了一个无段的重建框架，如修改的MUSIC算法。我们概述了与基于段的MC样本的跳频信号的恢复相关的挑战，我们解释了如何使用传统的CS恢复技术可以解决这些挑战。我们还证明了实用程序的离散长球形序列（DPSS的）作为一个有效的字典，用于减少基于段的重建的计算复杂性。
2016-03-22 cs.IT math.IT
Sampling and Galerkin reconstruction in reproducing kernel spaces
University of Central Florida（中佛罗里达大学）；Guilin University of Electronic Technology（桂林电子科技大学）
本文研究了在$ L^p $空间中再生核子空间的采样问题，提出了一种与采样方案相关的预重建算子，并在一般巴拿赫空间中提出伽辽金重建方法，证明该方法能提供近最优逼近，并通过迭代逼近-投影算法求解对应的伽辽金方程。
2014-10-07 cs.IT cs.NA math.IT
On the existence of compactly supported reconstruction functions in a sampling problem
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；U.P.M.（马德里理工大学）
研究在移位不变空间中，通过过采样技术获得紧支撑重构函数的充要条件，并给出基于矩阵束Kronecker标准型的可计算判据。
2008-06-12 cs.IT cs.NA math.FA
Real-Time Reconstruction and Actuation Error Analysis for Markov Sources over MPR Channels
Linköping University（林雪平大学）
研究针对共享无线多包接收信道的两个二元马尔可夫源的实时重建与驱动，推导出稳态实时重建误差和驱动误差成本的闭式表达式，并提出受限采样优化问题。
2026-05-15 cs.IT math.IT
Sampling and Reconstruction of Signals on Product Graphs
在本文中，我们考虑的问题，二次采样和重建的信号，驻留在一个产品图的顶点，如传感器网络的时间序列，基因组信号，或在社会网络中的产品评级。具体来说，我们利用底层域的产品结构和图因子中的样本节点。所提出的方案是特别有用的处理信号的大规模产品图。采样集是使用低复杂度的贪婪算法设计的，并且可以被证明是接近最优的。为了说明所开发的理论，提供了基于真实数据集的数值实验，用于采样3D动态点云和推荐系统中的主动学习。
2018-06-30 cs.IT eess.SP math.IT
Generalized sampling: stable reconstructions, inverse problems and compressed sensing over the continuum
Purdue Univ.（普渡大学）；Univ. of Cambridge（剑桥大学）；Hochsc. Neubrandenburg（新勃兰登堡高等学校）
本文探讨了基于类比或无限维图像和信号模型的重建问题，提出广义采样在稳定重建、逆问题和稀疏恢复中的应用，构建了连续域压缩感知理论。
2013-10-04 cs.IT cs.NA math.IT
Beyond consistent reconstructions: optimality and sharp bounds for generalized sampling, and application to the uniform resampling problem
Purdue University（普渡大学）；University of Cambridge（剑桥大学）
本文对可分离希尔伯特空间中的广义采样框架进行了完整的形式化分析，推导了精度和稳定性的新尖锐界，并证明了在某些假设下广义采样是最优稳定重构，稳定采样率是普适量。
2013-01-13 cs.IT cs.NA math.IT
Non-asymptotic Analysis of Expected Reconstruction Risk for Trigonometric Polynomial Models
Zhejiang Sci-Tech University（浙江理工大学）
针对三角多项式模型，研究不同采样方案下期望重构风险：均匀随机采样导致风险发散，而等距或抖动采样在插值阈值处发生相变，并通过谱量刻画及理论证明，给出等距采样的显式公式和抖动采样的上下界。
2026-09-25 cs.IT math.IT
Structured sampling and fast reconstruction of smooth graph signals
这项工作涉及采样的光滑信号的任意图。我们首先研究了结构化的采样策略，这样的光滑的图形信号，包括随机选择的几个预定义的节点组。通过称为\emph{group}图累积相干性的量来驱动要采样以稳定地嵌入$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
Real-Time Reconstruction of Counting Process through Queues
对于新兴的物联网（IoT），最关键的问题之一是从一组老化的测量中实时的【形】重构信号。在重建过程中，由于采样和传输，观测信号和重建信号之间会发生失真。在本文中，我们专注于最小化的平均失真定义为1-范数的两个信号的差异的情况下，泊松计数过程是在实时的【形】重建远程监视器。特别地，我们考虑了均匀采样策略和两种非均匀采样策略下的重建，基于阈值的策略和零等待策略。对于每一种策略，我们通过将整体变形区域划分为多边形并分析其结构，推导出平均变形的封闭表达式。事实证明，多边形是由子多边形组成的，子多边形解释了采样和传输引起的失真。平均失真的封闭形式的表达式帮助我们找到最佳的采样参数，实现最小的失真。仿真结果验证了我们的结论。
2019-01-24 cs.IT math.IT
Reconstruction of Sub-Nyquist Random Sampling for Sparse and Multi-Band Signals
随着技术的发展，在各种应用中需要处理更高频率的信号。为了对这样的信号进行解调，由于较高的采样率，传统的模数转换器面临着实现挑战。因此，较低的采样率（即，sub-Nyquist）被认为是成本有效的。众所周知的方法是考虑与最高频率分量相比具有较少非零频率分量的稀疏信号。对于稀疏位置的先验知识，已经存在成熟的方法。然而，存在这样的信息不可用的应用。对于这种情况，最近提出了一些办法。在本文中，我们提出了几个随机采样恢复算法，不需要任何抗混叠滤波器。此外，我们提供了一定的条件下，这些恢复技术收敛到信号。最后，我们还通过大量的仿真验证了上述方法的性能。
2014-11-26 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
Multi-Dimensional Unlimited Sampling and Robust Reconstruction
本文介绍了一种新的多维模拟信号的采样和重构方法。在无限传感框架（USF）的基础上，我们提出了一种新的折叠采样算子，称为多维模滞后，它也与现有的一维模算子向后兼容。与以前的方法不同，所提出的模型是专门针对多维信号。特别是，该模型在2维及以上维度中使用了一定的冗余度，这是用于具有鲁棒性的输入恢复。我们证明了新的运营商是定义良好的，其输出有界的动态范围。对于无噪声的情况下，我们推导出一个理论上有保证的输入重建方法。当输入被高斯噪声损坏时，我们利用更高维度的冗余来提供错误概率的界限，并表明对于足够高的采样率，错误概率下降到0，从而为有噪情况提供新的理论保证。我们的数值例子证实了理论结果，并表明，所提出的方法可以处理显着更大量的噪声相比，USF。
2022-09-14 cs.IT eess.SP math.IT
Coherence and sufficient sampling densities for reconstruction in compressed sensing
University College London（伦敦大学学院）；FU-Berlin（柏林自由大学）
我们给出了一个新的，非常普遍的，制定的压缩感知问题的坐标投影的分析品种，并获得足够的采样率信号重建。我们的边界是线性的信号空间的一致性，一个几何参数独立的特定的信号和测量，和对数的环境维度的信号。我们通过推导出独立于真矩阵的低秩矩阵完备化和距离矩阵完备化的足够的采样密度来证明我们的方法。
2013-11-02 cs.IT cs.LG math.AG
Multidimensional Manhattan Sampling and Reconstruction
本文介绍了二维及更高维的曼哈顿抽样，并证明了抽样定理。在二维空间中，曼哈顿采样（Manhattan sampling），即沿着曼哈顿网格线密集采样，可以被看作是在两个矩形网格的并集上采样，一个是水平密集的，是另一个的精细间距的倍数。采样定理表明，图像的带限的联合的奈奎斯特区域的两个矩形格可以恢复从他们的曼哈顿样本，并给出了一个有效的程序，这样做。这样的恢复是可能的，即使有曼哈顿采样引起的光谱副本之间的重叠。在三维和更高的维度中，曼哈顿采样有许多可能的配置，每个配置都由称为双阶晶格的特殊矩形晶格的联合组成。本文识别它们，证明了一个采样定理，表明图像的带限的联合的Nyquist区域的双步骤矩形格子是可恢复的曼哈顿样本，并提出了一个有效的洋葱剥离过程这样做。此外，它还发展了双步格的一种特殊表示和一个具有良好性质的代数。它还表明，在朗道意义下的可重构图像的集合是最大的。虽然大部分的文件处理连续空间图像，曼哈顿采样的离散空间图像也被认为是无限的，以及有限的，支持图像。
2015-02-05 cs.IT math.IT
Segment-Sliding Reconstruction of Pulsed Radar Echoes with Sub-Nyquist Sampling
模拟信息转换（AIC）是实现脉冲雷达回波欠采样的有效方法。然而，它往往是不切实际的，如果不是不可行的，重建全范围的奈奎斯特样本，因为巨大的存储和计算负载的要求。本文在分析AIC测量系统的基础上，提出了一种新的分段滑动重构（SegSR）方法来有效地重构奈奎斯特采样。SegSR以滑动模式执行逐段重建，并且可以实时实现。与现有方法不同的一个重要特征是，在每个段中的测量矩阵满足限制等距属性（RIP）条件。先前段中的部分支持可并入到当前段中的奈奎斯特样本的估计中。从理论上分析了相邻段引入的干扰效应，揭示了干扰由两个干扰电平组成，对信号重构性能有不同的影响。有了这些意见，一个两步的正交匹配追踪（OMP）过程中提出的段重建，它考虑到不同的干扰水平和部分已知的前一段的支持。所提出的SegSR实现了接近最佳的重建性能，显著降低了计算负载和存储需求。理论分析和仿真验证了其有效性。
2015-03-02 cs.IT math.IT
A Generalized Sampling Theorem for Stable Reconstructions in Arbitrary Bases
Simon Fraser University（西蒙菲莎大学）；University of Cambridge（剑桥大学）
提出在可分希尔伯特空间中，从任意Riesz基的足够多采样中稳定重构另一任意Riesz基中的向量的广义框架，扩展了Eldar等人的工作并解决了其不稳定性问题。
2010-11-30 cs.IT cs.NA math.IT
Pushing towards the Limit of Sampling Rate: Adaptive Chasing Sampling
在各种监测应用中经常采集测量样本。为了降低感测成本，期望在使用较少样本的同时实现更好的感测质量。压缩感知（CS）技术发现它的作用时，被采样的信号满足一定的稀疏性要求。在本文中，我们调查的可能性和基本技术，可以进一步减少涉及传统CS理论的样本数量，利用基于学习的非均匀自适应采样。基于一个典型的信号检测应用程序，我们说明和评估我们的算法，个人追逐和质心追逐，不同的分布特征的信号的性能。我们提出的基于学习的自适应采样方案补充了CS领域的现有努力，不依赖于任何特定的信号重建技术。仿真结果表明，与传统的稀疏采样方法相比，该算法在保证信号重构精度的前提下，允许$46\%$使用更少的采样数，并在相同噪声条件下实现了高达$57\%$更小的信号重构误差.
2015-08-05 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
On optimal wavelet reconstructions from Fourier samples: linearity and universality of the stable sampling rate
Purdue University（普渡大学）；University of Cambridge（剑桥大学）；Universität Wien（维也纳大学）
研究从傅里叶样本计算紧支撑函数小波系数的问题，利用广义采样框架证明当傅里叶样本数与小波系数个数成线性关系时重构稳定且准确，并证明广义采样在近似质量上最优。
2013-05-12 cs.IT cs.NA math.IT
Guided Signal Reconstruction Theory
一个公理化的方法来信号重建制定，涉及一个样本一致集和指导集，描述所需的重建。提出了一种新的无帧重建方法，即重建集的概念，重建集定义为样本一致集和引导集之间的最短路径。在Hilbert空间中研究了重建集的存在性和唯一性，其中引导集是一个闭子空间，样本一致集是由一个采样子空间构成的一个闭平面.连接到以前已知的一致，广义和正则化重建澄清。新的稳定性和重建误差界的推导，使用采样和引导子空间之间的最大非平凡的角度。提出了共轭梯度迭代重建算法，并给出了数值例子。
2017-02-02 cs.IT math.FA 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
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
Phaseless Sampling and Reconstruction of Real-Valued Signals in Shift-Invariant Spaces
University of Central Florida（中佛罗里达大学）；Guilin University of Electronic Technology（桂林电子科技大学）
本文研究了在位移不变空间中通过全欧几里得空间上的幅度测量和有限采样密度的离散集上的无相位样本进行实值信号的无相位采样与重构，提出了一种基于图的重构算法，并通过数值模拟验证了其鲁棒性。
2017-02-21 cs.IT cs.NA math.IT
Sampling and Distortion Tradeoffs for Indirect Source Retrieval
考虑一个不能直接观察到的连续信号。相反，人们可以访问信号的多个损坏版本。可用的损坏信号是相关的，因为它们携带关于公共远程信号的信息。其目标是从其损坏版本收集的数据中重建原始信号。远程重建问题的信息理论公式假设被破坏的信号被均匀采样，并且重点是样本的最佳压缩。在本文中，我们重新审视这个问题，从抽样的角度来看。我们看的问题，找到最佳的采样位置，为每个信号，以尽量减少总的重建失真的远程信号。在找到采样位置时，可以利用损坏信号之间的相关性。我们的主要贡献是任何任意非均匀采样策略的重建失真的基本下界。该下限对任何采样率都有效。此外，它是紧密的，并匹配在低和高采样率的最佳重建失真。此外，它表明，在低采样率区域，它是最佳的，使用一定的非均匀采样方案的所有信号。另一方面，在高采样率区域中，最佳的是均匀地采样所有信号。我们还考虑的问题，找到最佳的采样位置，以恢复损坏的信号集，而不是远程信号。不同于信息理论制定的问题，这两个问题是等价的，我们表明，他们是不等价的，在我们的设置。
2016-12-05 cs.IT math.IT
Random sampling and reconstruction of concentrated signals in a reproducing kernel space
在本文中，我们考虑（随机）采样信号集中在一个有界的度量测度空间的Corkscrew域$Ω$，并重建集中的信号近似从他们的（未）损坏的采样数据上包含在$Ω$的采样集。本文在再生核空间中建立了集中信号集上的（随机）采样方案的双Lipschitz型加权稳定性。双Lipschitz型的加权稳定性提供了一个弱的鲁棒性的采样方案，但由于集中的信号集的非凸性，它并不意味着唯一的信号重建。从（未）损坏的样本上包含在$Ω$的有限采样集，我们提出了一个算法来找到一个有界的Corkscrew域$Ω$集中的信号的近似。随机抽样是根据概率分布随机选取抽样位置的抽样方案。接下来，我们表明，以高概率，信号集中在一个有界Corkscrew域$Ω$可以重建近似从他们的未损坏（或随机损坏）的样本在i.i.d.在$Ω$上绘制的随机位置，前提是采样大小至少为$μ(Ω) \ln (μ(Ω))$阶，其中$μ(Ω)$是集中域$Ω$的度量。最后，我们证明了所提出的逼近原始集中的信号时，采样过程中采取的小密度或随机与大尺寸的性能。
2020-06-17 cs.IT cs.NA math.IT
A Generalized Nyquist-Shannon Sampling Theorem Using the Koopman Operator
本文提出基于Koopman算子的广义采样定理，扩展Nyquist-Shannon定理至非带限信号，提供有限采样频率界与重建公式，并通过数值示例验证其在低采样频率下的鲁棒性。
2024-07-20 cs.IT eess.SP math.IT
Efficient Robust Adaptive Beamforming Based on Spatial Sampling with Virtual Sensors
本文针对阵列失配下稳健自适应波束形成性能下降问题，提出基于低复杂度空间采样过程和虚拟接收阵列向量的IPNC矩阵重构方法，避免角度扇区积分，并通过仿真验证其有效性。
2025-03-09 cs.IT eess.SP math.IT
Real-time Reconstruction of Markov Sources and Remote Actuation over Wireless Channels
在这项工作中，我们研究了实时的【形】跟踪和重建的信息源与驱动的目的。设备监视信息源的状态并通过无线擦除信道向接收机发送状态更新。我们考虑两个模型的源，即一个$N$状态马尔可夫链和一个$N$状态的死亡马尔可夫过程。我们调查了几个联合采样和传输政策，包括语义感知的，我们研究他们的性能相对于一组指标。具体而言，我们调查的实时的【形】重建误差及其方差，成本的致动错误，连续错误，和内存错误的成本。这些度量捕获系统性能的不同特征，例如错误操作的影响和错误的时间。此外，我们提出了一个随机平稳采样和传输策略，我们推导出上述指标的封闭形式的表达式。然后，我们制定两个优化问题。第一个优化问题的目标是最小化的时间平均采样成本约束下的时间平均重建误差。然后，我们比较了最优的随机平稳政策与统一的，变化感知的，语义感知的采样政策。我们的研究结果表明，在有约束的抽样生成的情况下，最优随机平稳策略优于所有其他抽样策略时，源是快速发展。否则，语义感知策略执行得最好。第二个优化问题的目标是获得一个最优的采样策略，最小化的平均连续误差的时间平均采样成本的约束。在此基础上，我们提出了一个\emph{wait-then-generate}采样策略，这是简单的实现。
2023-02-27 cs.IT cs.NI cs.SY
On the Empirical Effect of Gaussian Noise in Under-sampled MRI Reconstruction
University of California（加州大学）
在基于傅立叶的医学成像中，低于奈奎斯特速率的采样导致欠定系统，其中线性重建将表现出伪影。欠采样的另一个后果是由于较少的采集测量而导致较低的信噪比（SNR）。即使预言机提供了信息来完美地消除欠定系统的歧义，由于减少的测量时间，重建图像仍然可能具有比相应的完全采样采集更低的图像质量。在重建期间，较低SNR和欠定系统的影响相互耦合，使得难以隔离较低SNR对图像质量的影响。为此，我们提出了一个图像质量预测过程，重建完全采样，完全确定的数据与噪声添加到模拟的SNR损失引起的一个给定的欠采样模式。所得的预测图像凭经验示出了欠采样图像重构中的噪声的影响，而没有来自欠定系统的任何影响。我们讨论了我们的图像质量预测过程如何模拟给定欠采样模式的噪声分布，包括在测量数据中产生有色噪声的变密度采样。我们的预测模型的一个有趣的结果是，我们可以表明，从欠定非均匀采样的恢复是等效的加权最小二乘优化，占异构噪声水平的测量。通过一系列的合成和体内数据集的实验，我们证明了图像质量预测过程的有效性，并表明它提供了一个更好的估计重建图像质量比相应的完全采样的参考图像。
2016-10-03 cs.CV cs.IT math.IT
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
Real-time Remote Reconstruction of a Markov Source and Actuation over Wireless
本文研究无线擦除信道下马尔可夫源的实时跟踪与重建问题，提出随机平稳采样传输策略并推导闭式表达式，证明在快速演化场景下该策略最优，否则语义感知策略最佳。
2023-03-31 cs.IT cs.NI cs.SY
