基于 B 样条（B-spline）拟插值与 Deep-QLP 分解的第一类 Fredholm 积分方程求积法则及正则化方法

《Journal of Computational and Applied Mathematics》：Deep-QLP and Spline based Quadrature Rules for Fredholm Integral Equations of the First Kind

　　

本文提出一种数值方法，用于构造第一类 Fredholm 积分方程的近似解。该类方程常见于图像处理、光谱学及其他工程科学中，但往往是不适定（ill-posed）的；此外，此类方程的右端项可能受误差污染。为有效应对上述挑战，研究人员提出了合适的求积法则（quadrature rules）对连续问题进行离散化。所得的离散系统在一个正则化最小二乘框架下求解，采用 Deep-QLP 分解：这是一种新颖的算法，能基于用户自定义容差自动计算近似截断奇异值分解（truncated singular value decomposition，TSVD）。此外，文章引入了两种正则化途径。第一种中，给定受扰动的右端项，构造 Hankel 矩阵，随后采用同一 Deep-QLP 算法执行所谓的去 Hankel 化（de-Hankelization）；第二种途径依赖局部加密的离散空间，在保持所用自由度较低的同时提高计算近似解的精度。研究人员在文献中若干著名的第一类 Fredholm 积分方程上进行了数值实验。

研究背景方面，第一类 Fredholm 积分方程 Tφ(s)=∫_a?^b?K(s,t)φ(t)dt=g(s) 在图像处理、光谱学等工程中广泛出现，其算子逆 T^?1 无界，解不连续依赖于右端项，属于典型不适定问题；实际数据中 g 还常被噪声污染，使离散后的线性系统高度病态。传统做法先离散再采用 Tikhonov 或截断奇异值分解（TSVD）求解，但精确 SVD 计算代价高，且对噪声右端项单一正则化不足。为此，研究人员在《Journal of Computational and Applied Mathematics》发表本文，旨在用 B 样条空间配合基于 Hermite 型拟插值（quasi-interpolation，QI）的求积法则离散方程，并以 Deep-QLP 分解替代 SVD 作近似截断奇异值分解正则化，再结合 Hankel 去噪与局部自适应加密两条辅助正则化路径，系统回答“如何低代价、抗噪声地离散并求解第一类 Fredholm 方程”这一问题。

关键技术方法上，研究人员首先以均匀节点上的 d 次 B 样条空间 S_h^d 逼近未知解 φ≈φ_h=∑_j=1^Nc_jB_j,d，对核函数 K(s,·) 在每片 B 样条支撑上用 p 次 B 样条 Hermite 拟插值 S_Ks 近似，将 ∫K B_jdt 化为 B 样条乘积积分并解析求积，配 Greville 或 Demko 配置点得矩阵 A_hc=g_h；其后用 Deep-QLP（基于 Stewart QLP 的迭代近似截断 SVD，容差 τ 控制接受奇异值）解最小二乘；对含噪 g 分别建 Hankel 矩阵做 Deep-QLP 低秩重建再反平均去 Hankanl 化，以及基于残差 D?rfler 标记的自适应局部加密 B 样条网格，以近似离散 Picard 条件（ADPC）作停止准则。

研究结果按原文小节展开。第 2 节离散化方法：通过上述 QI 求积与配置法得到病态矩阵 A_h，证明在 K∈C^p+1、φ∈C^d+1 且节点拟一致时离散误差 ‖∫Kφ?∫S_Kφ_h‖≤C h^q+1（q=min{d,p}）。第 3 节 Deep-QLP 算法：给出 A≈U_κL_κ^DV_κ^T 的构造与定理 1（‖A?U_κL_κ^DV_κ^T‖₂≤(1+π/√6)τ‖A‖₂）及推论 1 伪逆误差界；3.1 节无扰动 Phillips 方程数值表明随 N 翻倍与 τ 收紧，L² 相对误差由 1.14 降至 4.16×10^?6。第 4 节第二正则化步：4.1 Hankelization/de-Hankelization 将含噪序列嵌入 Hankel 阵，Deep-QLP 截留前 f 奇异值去噪后反平均；4.2 局部加密样条空间用残差 r_h=g_h?T_hφ_h 做 D?rfler 标记细分，ADPC max_j|u?_j^Tg_h|/σ?_j≤ε 停机。第 5 节收敛分析：定理 2 给出离散误差阶；残差误差节用模型 u_i^Tg_h=σ_i^α(α>1) 说明 Deep-QLP 与 TSVD 在系数空间相对误 E_c 均随截断位置收敛。第 6 节数值测试在 Phillips、Tikhonov 等基准问题验证两策略抗噪性；第 7 节结论指出 Deep-QLP 在 τ 不太小时比全 SVD 省费且可作正则子，B 样条 QI 求积达最优阶，局部加密较全局加密省自由度。

讨论与结论部分，研究人员强调：Deep-QLP 分解在容差 τ 不过小时近似截断 SVD 的计算优势明显，τ 过小则退化为全 SVD 失去正则意义；Hankel 去噪适合右端为离散含噪采样情形，局部 B 样条加密则在保持低自由度下提升局部精度，二者均可与 Deep-QLP 主正则化叠加。该研究将 B 样条拟插值求积、Deep-QLP 近似截断 SVD、Hankel 去 Hankanl 化与自适应局部加密四种技术耦合，为第一类 Fredholm 不适定方程提供了一种不依赖精确 SVD、可抗右端污染、自由度可控的数值框架，其误差分析与 ADPC 停止准则为后续稀疏核与高维推广提供了理论基础。