通过逆多项式重构方法解决分数傅里叶级数中的吉布斯现象

《Journal of Computational and Applied Mathematics》：Resolving the Gibbs Phenomenon in Fractional Fourier Series via Inverse Polynomial Reconstruction

　　摘要
分数傅里叶级数通过在时频平面上引入一个旋转角度α来推广经典傅里叶级数，但它继承了分段平滑函数时的吉布斯现象。与经典情况不同，啁啾调制因子使得分数部分和为复数值，同时破坏了实部和虚部，因此直接应用经典解决方法是不够的。逆多项式重构方法（IPRM）通过强制Gegenbauer多项式展开的傅里叶系数与给定的谱数据相匹配来解决吉布斯现象，而不是将损坏的部分和投影到多项式基上。本文提供了从分数傅里叶系数进行IPRM重构的理论和数值研究。推导出了分数变换矩阵，并表明其条件数由一个与α无关的Gram矩阵控制，这揭示了它依赖于Gegenbauer参数λ和多项式阶数m，同时对变换角度完全不敏感。建立了一个L∞误差估计，保证了解析函数的指数收敛性。对分段解析测试函数的数值实验表明有效消除了吉布斯现象，并证实了理论预测。

引言
傅里叶级数是信号处理和计算物理学中的基础工具，但在应用于不连续或非周期函数时存在一个根本缺陷：吉布斯现象[1]。这种效应在不连续点附近引起持续的过冲和振荡，即使对于其他分段平滑函数，也使得最大范数收敛率限制在O(1)[2]。因此，这些持续的振荡在需要精确边缘定位的关键应用中带来了很大的困难。例如，在医学图像处理中，吉布斯振荡会污染磁共振成像（MRI）中重建组织的边界，可能导致误诊[3][4]。类似地，这些伪影的有效消除在数值偏微分方程（PDEs）中仍然是一个非常活跃的挑战[5][6]。最近关于高阶冲击捕捉和基于熵的谱稳定的研究表明，在计算流体力学中，吉布斯型伪影仍然是一个活跃的挑战[5][6]。
大量研究致力于解决经典傅里叶分析中的吉布斯现象。一种自然的办法是对损坏的部分和应用后处理技术。滤波方法[7]可以减弱高频模式以抑制振荡，但不可避免地降低了平滑区域的分辨率。另一种密切相关的策略是软化处理，它将部分和与一个平滑核卷积；Megha和Chandhini[8]最近提出了一种基于Gegenbauer多项式的软化器，并为此方法建立了点态谱误差界限。一种更根本的策略是Gegenbauer重构方法[2][9]，它通过将损坏的部分和重新投影到正交多项式基上来实现指数收敛。然而，这种直接方法对多项式阶数m和Gegenbauer参数λ与傅里叶截断阶数N之间有严格的比例约束[10][11]；如果不满足这些约束，重构结果将收敛到损坏的傅里叶和中而不是真实函数。
为了克服这些限制，开发了逆多项式重构方法（IPRM）[12][13]。IPRM不是通过投影损坏的部分和，而是通过强制多项式展开的傅里叶系数与给定的谱数据完全匹配来重构函数，从而在傅里叶空间中对误差进行了正交化，并实现了无需严格参数调整的指数收敛。该方法已成功扩展到多维场景和替代谱基[14][15]。最近的工作进一步扩展了谱重构方法的范围：Li和Gelb[16]引入了一个贝叶斯框架用于谱重投影，提高了对Gegenbauer参数的鲁棒性，并能够从噪声傅里叶数据中量化不确定性，而Song等人[17]开发了一种结合滤波和稳定外推的混合方法来从非均匀傅里叶数据中重构分段平滑函数。
上述重构策略是用传统傅里叶系数来表述的。然而，光信号和雷达信号通常包含二次相位分量ei(ax2+bx)，其瞬时频率随x线性变化，因此能量分散在传统傅里叶模式下。分数傅里叶变换（FrFT）通过角度α旋转时频平面，使得谱坐标与啁啾结构对齐，产生更集中的表示[18][19]。例如，在光信号处理中，FrFT自然地描述了二次相位系统中的传播和处理[20]；在合成孔径雷达中，它非常适合分析线性调频（LFM）脉冲和回波[21]；其多角度表示也适用于离散谱计算[22]。特别是对于LFM信号，根据啁啾率选择分数角可以在分数傅里叶域中集中信号能量，使得FrFT比传统傅里叶变换更适合这样的信号。
然而，在实际应用中，有限的观测间隔、矩形脉冲门控、有限的光学孔径以及目标反射率的突然变化会导致不连续性或非平滑特征。当这些信号用分数傅里叶级数表示时，就像其经典对应物一样，分数傅里叶级数不可避免地会在不连续点附近继承吉布斯现象[23][24]。此外，啁啾调制因子e?i12x2cotα[18][25]会导致吉布斯振荡同时破坏分数部分和的实部和虚部。这种振荡可能会掩盖微弱的邻近特征，妨碍对突然变化的定位，并污染幅度和相位信息。因此，当使用FrFT重建有限支持的啁啾信号和不连续的光学或雷达数据时，解决吉布斯现象尤为重要。
Zhu等人[24]将IPRM应用于分数傅里叶级数，并展示了其在解决吉布斯现象方面的有效性。然而，对重构结果的条件数和收敛性的系统分析仍然有限。特别是，分数角度α、Gegenbauer参数λ、多项式阶数m和分数傅里叶截断阶数N对重构系统数值稳定性影响的系统研究尚未进行。这些未解决的问题使得参数选择变得复杂，并难以评估高阶重构在实际计算中的可靠性。在早期工作的基础上，本文公式化了一维分数IPRM，并系统地研究了相关的变换矩阵、其条件行为以及由此产生的近似误差。为了进一步展示该方法的实际相关性，数值实验包括一个边缘明显的光场和一个有限门控的LFM信号。具体来说，我们的主要贡献有三个方面：
1. 我们为一维分数傅里叶级数制定了IPRM框架，并推导出将分数傅里叶系数映射到Gegenbauer多项式展开系数的变换矩阵。
2. 我们分析了相关线性系统的条件数，发现它由一个与α无关的Gram矩阵控制，并推导出一个L∞误差估计，保证了解析函数的指数收敛性。
3. 通过各种测试函数的广泛实验，我们展示了该方法在有效减轻不连续和分段平滑函数的吉布斯现象方面的有效性。此外，我们展示了我们的方法在准确性和鲁棒性方面优于直接的分数傅里叶近似和分数Gegenbauer重构方法。
本文的其余部分组织如下。第2节回顾了必要的预备知识，包括分数傅里叶级数、Gegenbauer多项式和经典IPRM框架。第3节介绍了一维分数傅里叶级数的IPRM公式，推导了相关的变换矩阵，分析了系数矩阵的条件数，并为所提出的方法建立了误差估计。第4节报告了验证理论结果的数值实验，并提供了与现有方法的比较分析。最后，第5节提供了结论性意见。

分数傅里叶级数
分数傅里叶变换（FrFT）通过在时频平面上引入一个分数旋转角度α来推广经典傅里叶变换[25][26]。本节回顾了一维分数傅里叶级数的基本公式及其相关的吉布斯现象。给定一个定义在[?π,π]上的函数f(x)，其分数傅里叶级数定义为
f(x) = ∑k=?∞∞ck,α?k,α(x),
其中分数傅里叶基函数为
?k,α(x) = e?i12x2cotαeikx, 0< /><π/2,
以及
一维分数傅里叶级数的iprm
在回顾了第2.4节中的经典iprm框架的基础上，我们现在将该方法扩展到分数傅里叶设置。与经典情况的主要区别在于，分数基函数的复数值结构要求重构同时处理分数部分和的实部和虚部，正如第2.1节中所确定的。

wα的条件数讨论
为了补充定理1中的理论分析，我们报告了在过定条件n ? m下条件数κ(wα)及其组成奇异值σmax(wα)和σmin(wα)的数值实验。m=2n的平方情况已在经典iprm文献中研究过[13]，此处不再重复。在整个过程中，矩阵wα是通过具有n=10m傅里叶模式的高斯-勒让德求积计算的，这足够大，使得截断误差‖tn‖相对于λmin(gr)可以忽略不计。

结论
我们研究了一维分数傅里叶级的逆多项式重构方法，特别强调了分数变换矩阵的条件数和重构结果的近似误差。该方法通过解决一个过定系统来重构分段解析函数，该系统将分数傅里叶系数映射到gegenbauer展开系数，绕过了限制直接投影的非交换性。

利益冲突声明
作者声明他们没有已知的、可能影响本文报告工作的竞争性财务利益或个人关系。

faiza afzal | xu xiao
中国矿业大学数学学院，徐州，221116，中国 2, 以及 一维分数傅里叶级数的iprm 在回顾了第2.4节中的经典iprm框架的基础上，我们现在将该方法扩展到分数傅里叶设置。与经典情况的主要区别在于，分数基函数的复数值结构要求重构同时处理分数部分和的实部和虚部，正如第2.1节中所确定的。 wα的条件数讨论 为了补充定理1中的理论分析，我们报告了在过定条件n ? m下条件数κ(wα)及其组成奇异值σmax(wα)和σmin(wα)的数值实验。m=2N的平方情况已在经典IPRM文献中研究过[13]，此处不再重复。在整个过程中，矩阵Wα是通过具有N=10m傅里叶模式的高斯-勒让德求积计算的，这足够大，使得截断误差‖TN‖相对于λmin(Gr)可以忽略不计。 结论 我们研究了一维分数傅里叶级的逆多项式重构方法，特别强调了分数变换矩阵的条件数和重构结果的近似误差。该方法通过解决一个过定系统来重构分段解析函数，该系统将分数傅里叶系数映射到gegenbauer展开系数，绕过了限制直接投影的非交换性。 利益冲突声明 作者声明他们没有已知的、可能影响本文报告工作的竞争性财务利益或个人关系。 faiza afzal | xu xiao>以及
一维分数傅里叶级数的iprm
在回顾了第2.4节中的经典iprm框架的基础上，我们现在将该方法扩展到分数傅里叶设置。与经典情况的主要区别在于，分数基函数的复数值结构要求重构同时处理分数部分和的实部和虚部，正如第2.1节中所确定的。

wα的条件数讨论
为了补充定理1中的理论分析，我们报告了在过定条件n ? m下条件数κ(wα)及其组成奇异值σmax(wα)和σmin(wα)的数值实验。m=2n的平方情况已在经典iprm文献中研究过[13]，此处不再重复。在整个过程中，矩阵wα是通过具有n=10m傅里叶模式的高斯-勒让德求积计算的，这足够大，使得截断误差‖tn‖相对于λmin(gr)可以忽略不计。

结论
我们研究了一维分数傅里叶级的逆多项式重构方法，特别强调了分数变换矩阵的条件数和重构结果的近似误差。该方法通过解决一个过定系统来重构分段解析函数，该系统将分数傅里叶系数映射到gegenbauer展开系数，绕过了限制直接投影的非交换性。

利益冲突声明
作者声明他们没有已知的、可能影响本文报告工作的竞争性财务利益或个人关系。

faiza afzal | xu xiao
中国矿业大学数学学院，徐州，221116，中国>