Joint Forecasting and Interpolation of Graph Signals Using Deep Learning
我们解决的问题,预测网络信号快照使用过去的信号测量网络节点的一个子集。这个任务可以看作是多变量时间序列预测和图形信号插值的组合。这是许多应用的基本问题,其中部署高粒度网络是不切实际的。我们的解决方案将递归神经网络与来自图信号处理的频率分析工具相结合,并假设数据相对于底层图足够平滑。所提出的方法优于最先进的深度学习技术,特别是当只有一小部分图信号可访问时,考虑到两个不同的现实世界数据集:美国的温度和西雅图的速度流。实验结果还表明,该方法可以处理噪声信号和缺失数据,适用于许多实际应用。
2020-06-02 eess.SP
Irregularity-Aware Bandlimited Approximation for Graph Signal Interpolation
针对实际图信号中非带限、非最优采样及图不规则导致的重建性能下降问题,本文提出采用带特定内积的 GFT 以纳入节点相对重要性,在低采样率、高噪声等困难场景下提升插值性能。
2024-01-21 eess.SP
Graph signal interpolation with Positive Definite Graph Basis Functions
对于图基函数广义移位的图信号插值问题,我们引入了图上正定函数的概念。这一概念将基于核的插值与图的谱理论相结合,并且可以被视为欧氏空间中的径向基函数插值或球面基函数的图形模拟。我们提供了几个描述正定函数的图,最相关的是一个Bochner型刻画的正傅立叶系数。这些描述使我们能够设计GBF的,并研究GBF插值更详细:我们能够表征本机空间的插值,我们提供明确的估计插值误差,并获得边界的数值稳定性。作为最后的应用,我们展示了如何GBF插值可以用来得到求积公式的图。
2019-12-10 cs.NA eess.SP math.NA
Processing of large sets of stochastic signals: filtering based on piecewise interpolation technique
假设$K_{_Y}$和$K_{_X}$分别是观测信号和参考信号的大集合,每个集合包含$N$信号。有没有可能构造一种滤波器$F$,该滤波器仅需要关于来自$K_{_X}$的几个信号$p\ll N$的先验信息,但比基于关于来自$K_{_X}$的每个参考信号的先验信息的已知滤波器性能更好?它表明,积极的答案是可以实现的相当不受限制的假设。所提出的方法背后的设备是基于一个特殊的扩展的分段线性插值技术的情况下,随机信号集。所提出的技术提供了一个单一的滤波器来处理任意大的信号集的任何信号。滤波器是根据伪逆矩阵确定的,因此它总是存在的。
2021-11-11 cs.NA eess.SP math.NA
Factorization over interpolation: A fast continuous orthogonal matching pursuit
我们提出了一种快速贪婪算法来计算信号的稀疏表示,从连续字典是可因子分解的,即,原子可以作为亚原子的产物分离。现有算法大大降低了离散可因子分解字典中信号稀疏分解的计算复杂度。另一方面,现有的贪婪算法使用连续字典离散化的插值策略来执行离网分解。我们的算法旨在结合因子分解和插值的概念,使低复杂度计算的连续稀疏表示的信号。我们的算法的效率是突出其应用于雷达系统的模拟。
2020-11-28 eess.SP
Low-rank Updates in Slowly Time-varying Graphs for Spatial-Temporal Signal Interpolation
Department of EECS, York University(约克大学电子工程与计算机科学系);Dept of ECE, University of Southern California(南加州大学电子工程系)
针对节点关系缓慢演变的时空数据,提出将相邻时刻邻接矩阵的差异建模为低秩矩阵,通过联合优化信号平滑先验和低秩先验进行信号插值,并利用快速正交匹配追踪算法近似低秩项,展开为轻量神经网络实现参数调优。
2026-06-24 cs.LG eess.SP
Prony, Padé, and Linear Prediction for Interpolation and Approximation in the Time and Frequency Domain Design of IIR Digital Filters and in Parameter Identification
基于模型的信号处理或信号分析或信号表示具有与更传统的基于滤波和算法的方法相当不同的观点。然而,在所有这些中,Prony,Padé和线性预测的名字都出现了。本说明对这些想法进行了研究,目的是表明它们都是基于相同的原则,并且都可以扩展和推广。一个特殊的应用是IIR数字滤波器的频率采样设计。
2019-09-11 eess.SP
Mixed Graph Signal Analysis of Joint Image Denoising / Interpolation
本文从混合图滤波视角研究图像联合去噪与插值,证明线性去噪器和插值器分别对应无向图与有向图平滑先验下的MAP解,并提出两种联合变体,实验表明联合方法显著优于分离方法。
2025-02-08 eess.IV eess.SP
Chebyshev and The Fast Fourier Transform Methods for Signal Interpolation
本研究围绕数值分析中的信号插值问题,详细探讨Chebyshev多项式插值方法的数学原理、区间等价性及优缺点,并将其与Fourier多项式插值的信号重建效果进行对比,为不同数据集选择适配的逼近方法提供参考。
2024-04-15 cs.NA eess.SP math.NA
An Efficient Method for Multi-Parameter Mapping in Quantitative MRI using B-Spline Interpolation
同时估计多个物理参数的定量MRI方法通常需要通过Bloch方程定义的计算复杂信号模型的拟合。通过将测量信号与离散参数网格上的预先计算的信号字典进行匹配,可以避免重复的Bloch模拟,如在MR指纹识别中所使用的。然而,准确的估计需要以高分辨率离散化每个参数,并且因此需要用于字典生成、存储和匹配的高计算和存储成本。在这里,我们通过B样条插值近似网格点之间的信号来降低所需的参数分辨率。插值和它的梯度进行了有效的评估,使最小二乘拟合方法的参数映射。每个参数的分辨率最小化,同时获得用户指定的插值精度。该方法进行了评估的幻影和体内实验,使用完全采样和欠采样不平衡(FISP)的MR指纹采集。Bloch模拟包括弛豫效应($T_1,T_2$)、质子密度($PD$)、接收器相位($ϕ_0$)、发射场不均匀性($B_1^+$)和切片轮廓。参数图进行了比较,从字典匹配,其中选择的参数分辨率,以获得类似的信号(插值)的准确性。对于体模和体内采集,所提出的方法近似通过字典匹配获得的参数图,同时平均降低每个维度($T_1,T_2,B_1^+$)的参数分辨率一个数量级。实际上,应用的字典从1.47 GB减少到464 KB。字典拟合与B样条插值减少了基于字典的方法的计算和存储成本,因此是一个有前途的方法多参数映射。
2019-11-18 eess.IV eess.SP physics.med-ph
Audio signal interpolation using optimal transportation of spectrograms
IRIT, Université de Toulouse(IRIT,图卢兹大学);IMB, Université de Bordeaux(IMB,波尔多大学);IRIT, CNRS, Université de Toulouse(IRIT,国家科学研究中心,图卢兹大学)
提出一种基于谱图Wasserstein重心及非平衡最优传输的音频插值方法,全局处理谱图并设计特定成本矩阵,实现源与目标声音间的平滑过渡。
2025-04-22 cs.SD eess.AS eess.SP
Online Graph Filtering Over Expanding Graphs
Delft University of Technology(代尔夫特理工大学);Faculty of Electrical Engineering, Mathematics and Computer Science(电子工程、数学与计算机科学学院)
针对传统图滤波器无法应对节点增长的动态图拓扑及数据变化的问题,提出基于在线学习的在线图滤波框架,适配拓扑已知/未知场景,经后悔分析与实验验证,在图信号推理任务中性能优异。
2024-09-11 cs.LG eess.SP
Online Learning Of Expanding Graphs
King Juan Carlos University(胡安·卡洛斯国王大学);Delft University of Technology(代尔夫特理工大学)
针对现有动态图学习算法仅适配固定节点集、难以应对节点扩展带来的建模与计算挑战的问题,本文提出基于投影近端梯度下降的通用在线扩展图学习算法,通过差异化节点更新策略适配增长规模,并在多场景下验证了有效性。
2024-09-13 cs.LG eess.SP
Shannon-like Interpolation with Spectral Priors and Weighted Hilbert Spaces: Beyond the Nyquist Rate
本文将 Shannon 插值与随机过程估计相联系,提出基于加权 Hilbert 空间、可融入非均匀谱先验的最优类 Shannon 插值器,尤其适用于亚 Nyquist 采样数据。
2024-10-28 eess.SP
Time-warped Trials
我概述了一个信号的响应策略,用于调整事件时间之间的时间序列试验的上下文中,显着的事件时间,如发作和偏移试验之间的变化。这些变化阻止了在实际环境中对试验的直接比较,因为比较需要等长的时间序列(Salari等人,2019年)。像动态时间规整这样的算法可以帮助我们局部量化这些变化,但不能很好地应用于时间序列信号的连续变换,而不需要插值或下采样来添加或删除样本(Jamid,2004; Eckner,2014)。我表明,考虑到填充和采样频率,sinc插值足以重新采样部分的试验间隔,以产生等长的时间锁定的试验,相关的,并强烈近似其未翘曲的同行,最小的插值效果。具体来说,我表明,插值效应可以最小化过采样,选择性地插入不对齐的部分试验的平均不对齐的事件长度,并插入不对齐的事件与足够的零填充。然后,插值信号的带宽限制远低于奈奎斯特频率,并满足奈奎斯特-香农采样定理,以确保完美的重建,我发现我可以跟踪和潜在的抵消信号能量的影响。
2023-02-01 eess.SP
Deep Learning Model for Demodulation Reference Signal based Channel Estimation
在本文中,我们提出了一种深度学习模型,用于基于解调参考信号(DMRS)的信道估计任务。具体而言,提出了一种新的去噪,线性插值和细化(DLR)流水线,以减轻信道信息插值过程中的噪声传播问题,并恢复无线信道随时间的非线性变化。同时,提出了小范数样本代价敏感(SSC)学习方法,以均衡不同无线环境下的信道估计质量,提高信道估计的可靠性。在WAIC数据集上验证了DLR-SSC模型的有效性。在信噪比为0 dB、10 dB和20 dB时,DLR-SSC模型与传统的DielNet信道估计模型相比,归一化均方误差(NMSE)分别降低了27.2dB、22.4dB和16.8dB。该模型在第二届无线通信人工智能竞赛(WAIC)中获得第二名。该代码即将开放源代码。
2021-09-22 eess.SP
Grassmanian Interpolation of Low-Pass Graph Filters: Theory and Applications
RWTH Aachen(亚琛工业大学)
本文提出基于格拉斯曼流形上黎曼插值的低通图滤波器插值算法,推导误差界,并应用于同质性调整和节点分类的消息传递改进。
2025-10-27 cs.LG cs.NA cs.SI
Kriging-Based 3-D Spectrum Awareness for Radio Dynamic Zones Using Aerial Spectrum Sensors
针对无线电动态区域的实时三维频谱感知问题,提出基于无人机C波段测量和NSF AERPAW真实相关模型的三维克里金插值方法,以构建并维护更准确的接收信号功率无线电地图。
2023-07-12 eess.SP