基于Jacobi加权二次富集histopolation方法的函数重构

《Mathematics and Computers in Simulation》：Function reconstruction using a Jacobi-weighted quadratic enriched histopolation method

　　

基于积分数据重构函数是计算科学与工程中的基本任务。Histopolation技术为此任务提供了自然框架，因其专为从平均数据重构函数而设计。研究人员引入了一类新的Jacobi加权富集histopolation格式，通过纳入额外的加权线性泛函，扩展了经典的基于边的局部histopolation。该方法将二次多项式富集与加权线性泛函相结合，增强了捕捉复杂特征的能力。研究人员建立了富集格式的unisolvence（唯一可解性），并通过广泛的数值实验证明其相较标准histopolation方法具有显著的精度提升。这些结果确立了加权富集histopolation作为计算科学中高保真函数重构的强大且通用的工具。

研究背景方面，从受限数据集重构未知函数是数值分析与计算数学的基本问题，常仅能获得预定几何区域（如线或面）上的积分均值，此类情形广泛出现于医学成像、实验物理与数值模拟中。经典histopolation（直方图插值）方法专为积分数据重构设计，二变量经典非协调格式以三角形单元上P₁空间与边平均积分构成，但在复杂情形下精度有限。现有研究虽已关注加权histopolation以捕捉振荡、各向异性或边界层，但将Jacobi加权线积分与二次富集策略融合尚属首次。研究人员由此开展Jacobi加权二次富集histopolation研究，旨在在不扩大自由度支撑域的前提下提升局部重构精度，并建立格式的唯一可解性与二次多项式精确再现性，最终通过数值实验验证其较经典非协调方法在复杂函数上的优势，相关成果发表于《Mathematics and Computers in Simulation》。

关键技术方法上，研究人员采用三重结构E=(S,W_k,Σ)定义局部近似，在二变量三角形单元S上将空间由P₁(S)富集至P₂(S)，引入Jacobi权函数ω_α,β(t)=t^α(1?t)^β（α,β>0）构造加权边积分泛函?^CR_j与二次富集泛函?^enr_j，后者被积式中含二次多项式p^α,β₂(t)；通过Euler beta函数与Gamma函数关系证明泛函组对P₂的unisolvence，并借助离线校验集优化参数μ,α,β后固定用于全实验。

研究结果部分，论文主体按小节展开。第1节引言综述histopolation背景、局部非协调CR格式定义及富集动机，指明本文首次将Jacobi加权积分与二次富集结合。第2节Jacobi加权二次富集histopolation格式中，先列重心坐标性质，定义h_μ,α,β(x)与加权泛函(8)(9)，给出p^α,β₂系数(11)–(13)；通过Remark 2.2将边积分化为标准Jacobi权ω_α,β形式(15)(16)，Remark 2.3说明α=β=λ?1/2时退化为Gegenbauer加权特例；随后以Lemma 2.5建立p^α,β₂对Jacobi权的正交性，进而证明富集三元组E^enr_μ,α,β的unisolvence及P₂精确再现。第3节实现细节给出全局网格级参数μ,α,β的离线优化选择流程。第4节数值测试比较富集格式与经典非协调histopolation的误差与收敛阶，并对Jacobi参数做敏感性分析，显示新格式在具复杂特征函数上精度显著占优。

讨论与结论部分，研究人员指出Jacobi加权泛函在不增加自由度边支撑的前提下，将单元边邻域函数行为信息嵌入重构，使二次富集空间获得唯一确定性与更高逼近阶；数值实验证实该加权富集histopolation在成像与层析类积分数据重构中具备高保真优势，为后续将富集histopolation引入实际 tomography（层析成像）与image processing（图像处理）应用提供了理论与计算基础。