文章来源:微信公众号:EW Frontie
摘要
识别和提取复杂物理现象背后的类主波分量在现代数据科学中具有重要意义。为了减少筛选偏差的影响,很难从它们的叠加中同时估计所有的类波分量,这对许多科学问题至关重要。新发展的同步压缩变换已被证明是一个很好的选择,这种同时分析。虽然它的数学背景是明确的,并且在无噪声模型中得到了很好的发展,但对它在噪声下的鲁棒性的研究相对较少。
本文研究了同步压缩变换的几个基本鲁棒性。本文证明了利用紧支集的同步压缩变换进行振动分量分析是可能的,并给予了精确和鲁棒估计的条件。考虑到广义高斯随机噪声,我们解决了现有的同步压缩变换在一维和二维的范围广泛的多尺度鲁棒性问题。结果表明,它们的多尺度鲁棒性可以通过调整其相应的多尺度几何在频域中得到改善。这种依赖性是澄清定量概率分析。作为补充,引入了新的见解和数值实现,以获得更好的准确性和鲁棒性。一个软件包连同几个严重的噪音的例子来证明这些建议的属性。