Signal Variation Metrics and Graph Fourier Transforms for Directed Graphs
针对有向图构建图傅里叶变换问题，基于极分解提出三种具有节点域变化可解释性的GFT设计，实验证明其能捕捉传统GFT无法观察到的信号扩散频谱变化。
2023-04-10 eess.SP
SVD-Based Graph Fractional Fourier Transform on Directed Graphs and Its Application
Nanchang University（南昌大学）
本文提出两种基于奇异值分解的二维图分数傅里叶变换，用于处理有向产品图上的多维信号，并探讨其去噪能力，建立了多维图信号处理的分数域分析框架。
2026-06-29 eess.SP
Optimal Wiener-Filter Solutions for Denoising of Graph Signals on Directed Graphs
Neuro-X Institute, École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院神经-X研究所）；Department of Radiology and Medical Informatics, University of Geneva（日内瓦大学放射学与医学信息学系）
针对有向图上的图信号，提出维纳滤波去噪方法，在多种平稳性假设下给出最优解，并在温度图上验证了有效性。
2026-06-05 cs.CE eess.SP
SVD-Based UGRM-GFT on Directed Product Graphs
Nanjing University of Information Science and Technology（南京信息工程大学）；Hubei University（湖北大学）；Shanghai Jiao Tong University（上海交通大学）
针对传统有向图信号处理方法依赖固定表示矩阵、适应性差的问题，提出基于奇异值分解（SVD）的统一图表示矩阵广义图傅里叶变换（UGRM-GFT），并扩展至有向笛卡尔积图，在去噪任务中显著优于传统方法。
2026-06-02 eess.SP
Efficient Directed Graph Sampling via Gershgorin Disc Alignment
图采样是通过采样矩阵$\mathbf{H} \in \{0,1\}^{K \times N}$选择一个节点子集来收集样本$\mathbf{y} = \mathbf{H} \mathbf{x} \in \mathbb{R}^K$、$K < N$，从而可以高保真地重建目标信号$\mathbf{x} \in \mathbb{R}^N$的问题。虽然无向图上的采样得到了很好的研究，我们提出了第一个专门为有向图定制的采样方案，利用以前的无向图采样方法的基础上Gershgorin盘对齐（GDAS）。具体地，给定由随机游走图拉普拉斯矩阵$\mathbf{L}_{rw}$指定的有向正图$\mathcal{G}^d$，我们首先定义使用图移位变化（GSV）$\|\mathbf{L}_{rw} \mathbf{x}\|^2_2$作为信号先验从样本$\mathbf{y}$重构平滑信号$\mathbf{x}^*$。为了最小化具有对称系数矩阵$\mathbf{C} = \mathbf{H}^\top \mathbf{H} + μ\mathbf{L}_{rw}^\top \mathbf{L}_{rw}$的线性系统解$\mathbf{x}^* = \mathbf{C}^{-1} \mathbf{H}^\top \mathbf{y}$的最坏情况重构误差，采样目标是选择$\mathbf{H}$以最大化$\mathbf{…
2022-10-25 eess.SP
A Magnetic Framelet-Based Convolutional Neural Network for Directed Graphs
The University of Sydney（悉尼大学）
针对现有基于框架小波的谱图卷积神经网络多局限于无向图的问题，提出基于磁框架小波的有向图谱GCNN模型Framelet-MagNet，利用复值磁拉普拉斯构造有向图框架小波，在多任务上性能优于现有最优模型。
2023-05-02 cs.LG eess.SP
Radio Frequency Interference Management with Free-Space Optical Communication and Photonic Signal Processing
我们设计并实验演示了一种具有自由空间光通信和光子信号处理的射频干扰管理系统。该系统在6 GHz带宽内提供实时干扰消除。
2021-07-25 eess.SP
VLSI Systems for signal processing and Communications
在过去的10年中，超大规模集成电路技术和设计工具的不断发展以指数方式扩展了数字信号处理的应用领域。本综述着重于语音处理、无线通信、模数转换器等DSP应用的VLSI结构和性能参数
2021-06-10 eess.SP
Introducing Hypergraph Signal Processing: Theoretical Foundation and Practical Applications
图上的信号处理在处理结构化数据方面引起了广泛的关注。然而，正常图仅对节点之间的成对关系进行建模，并且不能有效地表示和捕获数据样本的一些高阶关系，这在诸如物联网（IoT）的许多应用中是常见的。在这项工作中，我们提出了一个新的超图信号处理（HGSP）的张量表示的基础上推广传统的图信号处理（GSP），以解决高阶相互作用的框架。我们介绍了HGSP的核心概念，定义了超图傅立叶空间。然后，我们研究了超图傅里叶变换的频谱特性，并解释了它与主流数字信号处理的联系。我们推导了超图采样理论，并提出了基于张量框架的超图滤波器设计的基本原理。我们提出了几个信号处理和数据分析应用的HGSP为基础的方法。我们的实验结果表明，显着的性能改善，使用我们的HGSP框架在一些传统的信号处理解决方案。
2020-06-04 eess.SP
Graph Fourier transforms on directed product graphs
图形傅立叶变换（graphFourier transform，GFT）是图形信号处理的基本工具之一，它能有效地将图形信号分解为不同的频率分量，用不同的变化模式来表示强相关的图形信号。无向图上的GFT已经得到了很好的研究，并且已经提出了几种方法来定义有向图上的GFT。本文基于图的Laplacian的奇异值分解，提出了两个关于两个有向图的笛卡尔积图的GFT。我们表明，建议的GFT可以表示时空数据集的有向网络上的强相关性有效，在无向图设置，他们基本上是联合GFT在文献中。在本文中，我们还考虑了所提出的GFT的谱域中的带限过程，并展示了其对2014年1月布雷斯特（法国）地区的温度数据集进行去噪的性能。
2022-09-07 cs.IT eess.SP math.IT
A Hilbert Space Theory of Generalized Graph Signal Processing
图信号处理（GSP）已成为图像处理、网络学习和社交网络数据分析等领域的重要工具。在本文中，我们提出了一个更广泛的框架，不仅包括传统的GSP作为一个特殊的情况下，但也包括一个混合框架的图形和经典的信号处理在一个连续的域。我们的框架广泛依赖于概念和工具，从功能分析，推广传统的GSP图形信号在一个可分离的希尔伯特空间与无限的维度。我们发展了一个类似于广义GSP的傅里叶变换的概念，以及对这类信号进行滤波和采样的理论。
2019-09-16 eess.SP
Subgraph Signal Processing
图形信号处理，如图形傅里叶变换，需要在图形的每个顶点处的全图形信号。然而，实际上，仅顶点子集处的信号可为可用的。我们提出了一个子图信号处理的框架，涉及一个图形移位运算符或过滤器上的子图与过滤器上的环境图通过运营商损失。它允许我们定义子图信号的移位运算符，这对限制于环境图的不同子图（我们称之为半移位不变）的移位不变滤波器的混合物具有有意义的解释和关系。这导致子图信号的频域概念在某种意义上与全图信号的频域概念一致。我们应用子图信号处理机的几个应用程序，并证明了这个框架的效用的情况下，只有部分图形信号进行观察。
2021-02-05 eess.SP
Near-Field Localization and Sensing with Large-Aperture Arrays: From Signal Modeling to Processing
本文围绕大孔径阵列的近场定位与感知展开，指出大孔径阵列应用趋势打破了阵列信号处理的传统远场假设，为近场信号处理带来新挑战与新机遇。
2024-10-22 eess.SP
Towards Goal-Oriented Semantic Signal Processing: Applications and Future Challenges
机器学习技术的进步使得能够实时提取信号中的语义信息，这可以彻底改变信号处理技术并显著提高其性能以用于下一代应用。与一个具体的表示和有效的处理的语义信息的目标，我们提出并证明了一个正式的基于图的语义语言和目标过滤方法，使面向目标的信号处理。所提出的语义信号处理框架可以很容易地针对不同范围的信号处理应用中的特定应用和目标进行定制。为了说明它的广泛的适用性，我们调查了几个用例，并提供了详细的建议目标为导向的语义信号处理框架可以定制。我们还调查和提出的通信技术，传感器数据进行语义处理和语义信息交换的传感器网络。
2021-09-24 eess.SP
Adaptive transform via quantum signal processing: application to signal and image denoising
本文的主要范围是展示如何从量子力学的工具，特别是薛定谔方程，可以用来构建一个自适应变换适用于信号和图像处理的应用。该字典是将信号或图像视为薛定谔方程中的离散势而得到的，并进一步用于构造哈密顿算子。为了说明它在信号和图像处理中的实际意义，我们在信号相关噪声的情况下提供了去噪结果，这是最适合所提出的方法的噪声类型。
2018-02-07 eess.SP
Signal processing with a distribution of graph operators
在本文中，我们开发了一个信号处理框架的网络没有明确的知识的网络拓扑。相反，我们利用网络上运营商分布的知识。这使得框架灵活和有用的时候，准确的知识图拓扑结构是不可用的。此外，通常的图形信号处理是我们的框架的一个特殊情况下，通过使用德尔塔分布。该理论的主要内容包括傅里叶变换、滤波理论和采样理论。
2020-12-11 eess.SP
Sample entropy for graph signals: An approach to nonlinear analysis of graph signals
Institute for Imaging, Data and Communications, School of Engineering, University of Edinburgh（爱丁堡大学工程学院成像、数据与通信研究所）；School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院）
本文提出图信号的样本熵SampEn_G，用于量化连续状态空间上图信号的不规则性，通过多跳图嵌入替代传统样本熵的时间延迟嵌入，验证其在有向路径图上退化为经典SampEn，并通过实验展示其在图信号分析中的应用。
2026-04-22 eess.SP
Graph Signal Processing: Overview, Challenges and Applications
图形信号处理（GSP）的研究旨在开发用于处理定义在不规则图形域上的数据的工具。在本文中，我们首先提供了一个概述的核心思想，在GSP和他们的连接到传统的数字信号处理。然后，我们总结了最近的发展，在开发基本的GSP工具，包括采样，过滤或图形学习的方法。接下来，我们将回顾使用GSP的几个应用领域的进展，包括传感器网络数据，生物数据的处理和分析，以及图像处理和机器学习的应用。最后，我们提供了一个简短的历史观点，以强调如何在GSP最近开发的概念建立在其他领域的先前研究之上。
2018-03-26 eess.SP
XBioSiP: A Methodology for Approximate Bio-Signal Processing at the Edge
生物信号表现出高冗余性，并且用于其处理的算法具有固有的错误恢复能力。这种特性可以通过近似计算的新兴趋势来提高物联网边缘（可穿戴设备）的能效。本文介绍了XBioSiP，一种新的方法，用于近似生物信号处理，采用两个质量评估阶段，在预处理和生物信号处理阶段，以确定近似参数。因此，它实现了高能量节省，同时满足用户确定的质量约束。我们的方法实现了，高达19倍和22倍的QRS峰值检测算法的能量消耗减少0%和<1%的峰值检测精度损失，分别。
2019-02-05 eess.SP
Complex Signal Processing for Coriolis Mass Flow Metering in Two-Phase Flow
提出了一种基于复带通滤波的科氏质量流量计信号处理新方法。CBF可以用来抑制每个传感器信号的负频率分量，以产生具有减小的跟踪延迟的相应解析形式。对解析形式的进一步处理产生传感器信号的振幅、频率、相位和相位差。与已有方法相比，CBF具有时延短、噪声抑制能力强、精度高、计算量小等优点。减小的延迟在CMF信号处理中是有用的，特别是对于在两相/多相流条件下保持流管振荡。CBF方法的中心频率和频率范围是可选择的，因此可以针对不同的流量管设计进行定制。
2018-05-03 eess.SP
Signal processing on simplicial complexes
图形信号处理（GSP）的理论发展和应用已引起人们的广泛关注。在经典的GSP中，底层结构在维数方面受到限制。图是一种对二元关系进行建模的组合对象，它不直接对复杂的n元关系进行建模。图的一个可能的高维推广是单纯复形。它们是图的约束情形和超图的一般情形之间的一步。在本文中，我们开发了一个信号处理框架上的单纯复形，使我们恢复传统的GSP理论时，仅限于图上的信号。值得一提的是，该框架的工作更普遍，虽然本文的重点是单纯复形。我们演示了如何执行信号处理的框架，使用数值例子。
2020-05-24 eess.SP
Advancements in Signal Processing and Control Systems Using Z and L-Transforms
本文围绕信号处理与控制系统中的变换工具展开，介绍变换基础、Z变换及积分Z变换的作用，并提出基于模糊随机变量的新概念，为变换的实际应用提供新方向。
2024-07-11 eess.SP
Statistical Testing on Directed Graphs by Surrogate Data Generation
Neuro-X Institute, Ecole polytechnique fédérale de Lausanne, and the Department of Radiology and Medical Informatics, University of Geneva（Neuro-X研究所，瑞士联邦理工学院洛桑校区，日内瓦大学放射科与医学信息学系）
针对有向图，基于图移位算子的特征分解定义宽平稳信号，提出保持协方差结构的替代数据生成框架，用于构建检验统计量的零分布，并在真实数据上验证了优于现有方法。
2026-05-30 cs.LG eess.SP stat.ME
Topological Signal Processing over Weighted Simplicial Complexes
在许多信号处理和机器学习应用中，对可以表示和分析数据的拓扑域进行加权是一种关键策略，能够提取和利用有意义的数据特征及其（高阶）关系。本文的目标是提出加权单纯复形的拓扑信号处理工具。具体来说，依靠加权霍奇拉普拉斯理论，我们提出了有效的策略，共同学习复杂的权重和滤波器的螺线管，无旋和谐波分量的信号定义在复杂的。我们数值评估所提出的程序的有效性。
2023-02-16 eess.SP
An Overview of Signal Processing Techniques for Joint Communication and Radar Sensing
联合通信和雷达感测（JCR）代表了一个新兴的研究领域，其目标是将上述两种功能集成到单个系统中，共享大部分硬件和信号处理模块，并且在典型情况下，共享单个发射信号。它被认为是显着提高频谱效率，降低设备尺寸，成本和功耗，并由于两个功能的潜在密切合作而提高性能的关键方法。先进的信号处理技术对于从发射信号设计到接收机处理的集成效率是至关重要的。本文从信号处理的角度对JCR系统进行了全面的综述，重点介绍了JCR系统的最新技术，并针对以通信为中心、以雷达为中心以及联合设计和优化这三种JCR系统，对发射机和接收机进行了均衡的覆盖。
2021-02-25 eess.SP
Grid-Graph Signal Processing (Grid-GSP): A Graph Signal Processing Framework for the Power Grid
本文的基本主题是通过图形信号处理（GSP）的镜头探索电力系统数据的各个方面，奠定了网格GSP框架的基础。网格-GSP提供了一个解释的电压相量测量的时空属性，通过显示如何著名的电力系统建模支持生成低通图滤波器模型的状态变量，即电压相量。使用该模型，我们正式的经验观察，电压相量测量数据位于一个低维的子空间，并将其时空结构发电机电压动态。网格GSP生成模型，然后成功地调查有关网格的数据采样和插值，网络推理，异常检测和数据压缩的问题。模拟得克萨斯州，ACTIVSg 2000的真实网格，并在ISO-新英格兰的真实世界的测量上的一个大型合成网格的数值结果验证了网格-GSP方法应用于电网数据的有效性。
2021-03-10 eess.SP
The Companion Model -- a Canonical Model in Graph Signal Processing
介绍了由$\textit{canonical}$图和$\textit{canonical}$移位定义的$\textit{canonical}$图信号模型、$\textit{companion}$图和$\textit{companion}$移位。这些都是规范的，因为在标准条件下，我们表明，任何图形信号处理（GSP）模型可以转换为规范模型。获得这一点的变换是我们引入的图$z$ -变换（$\textrm{G$ z $T}$）。GSP规范模型最接近离散信号处理（DSP）时间信号模型：伴随移位的结构分解为线移位和信号连续，就像DSP移位一样，并且GSP规范图是具有反映信号连续条件的终端条件的有向线图。我们进一步表明，令人惊讶的是，在规范模型中，卷积的图形信号是快速卷积的DSP FFT。
2022-03-25 eess.SP
Event-based Signal Processing for Radioisotope Identification
本文识别了传统的基于帧的放射性同位素识别过程的不必要的高功率开销的问题，并提出了一种基于事件的信号处理过程来解决所建立的问题。给出了神经形态处理器的设计流程。
2020-10-02 eess.SP
Tensor Low Rank Modeling and Its Applications in Signal Processing
使用张量建模多维信号比将其表示为矩阵的集合更有说服力。基于张量的方法可以探索多维信号的丰富的空间和时间结构。这种建模的支柱是张量代数的数学基础。基于线性变换的张量代数构造了低复杂度、高性能的代数结构，适合于多维信号的自检测。从信号处理的角度对基于线性变换的张量代数进行了全面的介绍。多维信号的秩是一个宝贵的属性，它可以让我们深入了解它的结构方面。所有自然的多维信号都可以近似为一个低秩信号，而不会丢失重要信息。低秩近似在许多信号处理应用中是有益的，诸如去噪、缺失样本估计、分辨率增强、分类、背景估计、目标检测、风化、聚类以及更多的应用。文中还详细介绍了低秩建模在上述信号处理应用中的方法和手段。
2019-12-07 eess.SP
Signal Processing over Multilayer Graphs: Theoretical Foundations and Practical Applications
单层图上的信号处理由于其在揭示数据信号中的模糊底层结构方面的能力而已经成为主流工具。然而，许多现实生活中的数据集和系统（包括物联网（IoT）中的数据集和系统）的特征在于不同实体之间的更复杂的交互，这可能表示难以用单层图捕获的多级交互，并且可以通过多层图连接更好地表征。这种多层或多级数据结构可以更自然地由高维多层图（MLG）建模。为了将传统的图信号处理（GSP）推广到多层图上以分析多层信号特征及其相互作用，提出了一种基于张量的多层图信号处理（M-GSP）框架.具体来说，我们介绍了M-GSP的核心概念和MLG频谱空间的研究性质，其次是MLG为基础的滤波器设计的基本原理。为了说明M-GSP的新方面，我们进一步探讨了它与传统信号处理和GSP的联系。我们提供了示例应用程序来演示在实际场景中应用多层图和M-GSP的有效性和好处。
2022-10-31 eess.SP
Graph Fourier transform based on singular value decomposition of directed Laplacian
图傅里叶变换（GFT）是图信号处理中的一个基本概念。本文基于Laplacian的奇异值分解，引入了有向图的广义傅里叶变换的新定义，并利用Laplacian的奇异值来表示图的频率。%的建议GFT。在无向图上，GFT与传统GFT一致;在有向循环图上，GFT是经典的离散傅里叶变换，并进行了旋转、置换和相位调整.我们表明，建议GFT的频率和频率分量可以通过解决一些约束最小化问题，计算成本低进行评估。数值实验表明，所提出的广义傅里叶变换可以有效地表示具有不同变化模式的图形信号。
2022-05-12 cs.IT eess.SP math.IT
Fourier Analysis of Signals on Directed Acyclic Graphs (DAG) Using Graph Zero-Padding
本文针对有向无环图因邻接矩阵特征值全为零而无法进行谱分析的问题，提出图零填充方法，通过添加零信号顶点实现顶点域卷积计算，同时避免图结构改变带来的混叠效应。
2024-10-21 cs.IT eess.SP math.IT
Graph signal processing with categorical perspective
在本文中，我们提出了一个框架图信号处理使用范畴理论。其目的是概括最近关于图信号处理概率方法的一些工作，这些方法处理信号和图的不确定性。
2023-02-24 eess.SP math.PR
Fiber-distributed Signal Processing: Where the Space Dimension Comes into Play
我们提出了如何通过使用不同的多芯光纤在光纤无线通信的背景下实现光纤分布式信号处理，在同一光纤介质中提供无线电接入分布和微波光子信号处理。
2018-10-29 eess.SP physics.app-ph
Topology in Sound Synthesis and Digital Signal Processing -- DAFx2022 Lecture Notes
University of Wisconsin - Milwaukee（威斯康星大学密尔沃基分校）
在奥地利维也纳举行的国际数字音频效果会议（DAFx-22）上，关于声音合成和数字信号处理中拓扑结构的教程的讲稿。
2022-11-10 cs.SD eess.SP
Theory and Algorithms for Pulse Signal Processing
积分触发转换器将模拟信号转换成双相脉冲的训练。脉冲训练具有编码在脉冲的定时和极性中的信息。虽然已经表明，任何有限带宽的模拟信号都可以从这些脉冲串中以所需的小误差重构，但是需要基本的信号处理技术来直接对脉冲串进行操作而不进行信号重构。本文探讨了用模拟信号的脉冲训练表示法在线进行加、乘、卷积等信号处理运算的可行性。理论框架来执行信号处理与脉冲序列施加最小的限制，推导和算法的运营商的在线实施。研究了算法在模拟数据处理中的性能。应用噪声扣除和表示的相关特征的心电图信号的平均脉搏率小于每秒20脉冲演示。
2018-12-31 cs.NE eess.SP
Abstract message passing and distributed graph signal processing
图信号处理是处理图结构化数据的框架。其基本概念是图形移位算子，从而产生了图形傅里叶变换。虽然图形傅里叶变换是一个集中式过程，但需要分布式图形信号处理算法来解决诸如可扩展性和隐私等挑战。在本文中，我们开发了一个理论的分布式图信号处理的消息传递的经典概念的基础上。然而，我们概括了消息的定义，以允许更抽象的数学对象。该框架提供了一种替代的观点，避免了现有的分布式图信号处理方法的迭代性质。此外，我们的框架有利于研究理论问题，如分布式问题的解决方案。
2022-06-09 cs.DC eess.SP
Signal Transformation for Effective Multi-Channel Signal Processing
TCS Research（TCS研究院）
提出一种双向信号变换方法，将多通道低带宽EEG信号无损组合为单通道高带宽信号，从而支持利用预训练单通道模型进行多通道信号处理与分析。
2024-12-23 cs.AI eess.SP
Estimation of a Causal Directed Acyclic Graph Process using Non-Gaussianity
Sharif University of Technology（谢里夫理工大学）
在机器学习和数据采掘中，已经提出了许多方法来发现因果依赖关系;其中，最先进的VAR-LiNGAM（向量自回归线性非高斯非循环模型的缩写）是揭示瞬时和时滞关系的理想方法。然而，所有获得的VAR矩阵需要进行分析，以推断最终的因果图，导致参数的数量上升。为了解决这个问题，我们提出了CGP-LiNGAM（因果图处理-LiNGAM的缩写），它具有显着更少的模型参数，只处理一个因果图，通过利用图信号处理（GSP）来解释因果关系。
2022-11-24 cs.LG eess.SP stat.ME
Cosine series quantum sampling method with applications in signal and image processing
提出了一种新的适用于量子计算的余弦级数量子采样（QCoSamp）算子族。量子算法的发展，类似于经典算法，我们将其应用于信号的谐波分析。我们通过量子系统的测量显示量子采样，并且在应用该家族的算子之后，允许用傅立叶级数表示进行输入信号映射。所采用的技术方法，促进每个QCoSamp算法的量子计算机和应用程序的信号和图像处理领域的实施，我们也描述了。保留字：量子计算，量子信息理论，量子算符，量子采样，傅立叶正余弦级数，信号处理，图像处理
2020-11-25 eess.SP quant-ph
5Gperf: signal processing performance for 5G
5Gperf项目由华为研究团队在2016-17年进行。它涉及5G基站原型的信号处理算法加速。它改进了已经优化的SIMD并行CPU算法，并设计了一种新的软件工具，用于在将MATLAB代码转换为优化的C语言时提高程序员的工作效率
2018-10-25 cs.DC eess.SP
In-situ crack and keyhole pore detection in laser directed energy deposition through acoustic signal and deep learning
Advanced Remanufacturing and Technology Centre (ARTC)（先进再制造与技术中心（ARTC））；School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与宇航工程学院）；Singapore Institute of Manufacturing Technology (SIMTech)（新加坡制造技术研究院（SIMTech））；School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）
本文首次提出基于声学信号和卷积神经网络的激光定向能量沉积原位缺陷检测方法，通过去噪、特征提取和MFCC分类实现裂纹与匙孔气孔在线预测，总体准确率达89%。
2023-04-10 cs.SD eess.AS eess.SP
Quantum Channel Modelling by Statistical Quantum Signal Processing
在本文中，我们感兴趣的量子信号模型的统计信号处理方法。由于高斯态是一种重要的鲁棒态，并且大多数重要的量子信息实验都是在高斯光下进行的，因此输入的量子信号被认为是高斯分布的。在此基础上，建立了联合噪声模型，并利用发送信号和联合量子噪声的卷积建立了接收信号模型，实现了单量子链路的理论可达容量。在联合量子噪声模型中，我们考虑了量子泊松噪声和经典高斯噪声。我们比较了量子信道的容量与SNR的关系，以检测其总体趋势。本文利用随机变量表示的信道方程对量子信号和噪声模型进行了统计研究。这些方法是为了发展量子统计信号处理而提出的，其思想来源于统计信号处理。
2023-02-16 eess.SP quant-ph
Directed Acyclic Graph Convolutional Networks
Dept. of Signal Theory and Communications, Rey Juan Carlos University, Madrid, Spain（信号理论与通信系，雷亚尔·卡洛斯大学，马德里，西班牙）；Dept. of Electrical and Computer Engineering, University of Rochester（电气与计算机工程系，罗切斯特大学）
本文提出了一种专门针对DAG上信号卷积学习的新型图神经网络架构DCN，通过因果图滤波器学习节点表示，利用正式的卷积操作实现频域表示，并引入并行DCN(PDCN)以解耦模型复杂度与图规模，实验证明其在准确率、鲁棒性和计算效率上优于现有方法。
2026-05-19 cs.LG eess.SP
Proximal Gradient Algorithms: Applications in Signal Processing
数值优化方面的进展支持了信号处理若干领域的突破。本文重点介绍了最近的增强型近似梯度数值优化算法，它结合了拟牛顿方法与前向伴随预言来解决大规模问题，并减少了许多应用程序的计算负担。这里以易于理解的方式描述这些近端梯度算法，说明它们如何能够解决信号处理中出现的各种问题。提出了一种新的高级建模语言，用于演示所提出的算法在一系列信号处理应用实例中的通用性，例如稀疏反卷积、全变分去噪、音频去削波等。
2020-01-27 eess.SP math.OC
Quiver Signal Processing (QSP)
University of Pennsylvania（宾夕法尼亚大学）
在本文中，我们陈述了一个信号处理框架的基本原理。图是一个有向图，图的表示是向量空间到图的节点的分配以及与节点相关联的向量空间之间的线性映射。利用表示论的工具，我们提出了一个信号处理框架，使我们能够处理网络中的异构多维信息。我们提供了一组例子，这个框架提供了一套自然的工具来理解信息中明显隐藏的结构。我们注意到，所提出的框架为构建图神经网络奠定了基础，在图神经网络中，可以以其他方式处理和处理信息。
2020-10-22 cs.LG eess.SP
Information Theoretic I-MMSE generalize Time-Frequency Signal Processing Tools
本文利用信息论与估计论结果I-MMSE，证明其推广了分析非平稳非高斯信号急需的时频信号处理工具。
2025-03-02 cs.IT eess.SP math.IT
Causal Fourier Analysis on Directed Acyclic Graphs and Posets
ETH Zurich（苏黎世联邦理工学院）
提出针对边加权有向无环图（DAG）的因果傅里叶分析框架，利用并扩展Moebius反演理论实现移位和卷积算子的特征分解，并成功应用于真实接触追踪数据的感染传播建模与信号学习。
2023-08-09 cs.DM cs.LG eess.SP
Gasper: GrAph Signal ProcEssing in R
本文介绍 R 语言 gasper 包，用于图信号处理，并提供 SuiteSparse 矩阵集合接口。
2023-12-28 cs.LG eess.SP stat.CO
Before AI Takes Over: Rethinking Nonlinear Signal Processing in Communications
本文在AI主导通信领域前，反思传统非线性信号处理方法，呼吁重新评估既有理论，并探索经典信号处理与新兴AI方法的共存与整合路径。
2025-11-04 cs.SY eess.SP eess.SY
Extreme Learning Machine for Graph Signal Processing
KTH Royal Institute of Technology（瑞典皇家理工学院）
在本文中，我们使用基于正则化的图信号处理来改进回归任务的极端学习机器。我们假设用于预测或回归的目标信号是图形信号。在这个假设下，我们使用正则化来强制极端学习机的输出在给定的图上是平滑的。真实数据的仿真结果证实，当可用的训练数据大小有限且被噪声破坏时，这种正则化有显著的帮助。
2018-03-12 cs.LG eess.SP stat.ML
Combinatorial Hodge Theory in Simplicial Signal Processing -- DAFx2023 Lecture Notes
University of Wisconsin - Milwaukee（威斯康星大学密尔沃基分校）
本文是在丹麦哥本哈根举行的DAFx-23国际会议上关于“单纯信号处理中的组合霍奇理论”教程的讲义。
2023-11-23 cs.SD eess.AS eess.SP
Delay-Tolerant Augmented-Consensus-based Distributed Directed Optimization
针对多智能体网络通信时延影响分布式优化收敛的问题，提出一种可处理强连通有向网络下有界固定异构时延的增广共识优化算法，通过理论证明收敛性并经仿真验证其性能。
2025-10-03 cs.MA cs.SI cs.SY
