稀疏带限图扩散场的随机时空采样与重建

该研究针对受热扩散过程支配、在图频谱中具有 s 稀疏性的带限图信号，提出随机时空采样与重建框架，利用信号的时间演化减少每个时刻所需的空间采样。基于摘要分析，未取得论文全文。 方法称为 randomized dynamical sampling：每个时间步依据概率分布随机选择少量时空节点进行观测。作者引入 dynamic spectral graph weighted coherence（动态谱图加权相干性），用于刻画稳定恢复所需的时空样本量，并将变密度采样思想扩展到动力系统。作者报告，通过优化采样概率分布，在最优情形下，仅需 O(s log(k)) 个时空样本即可实现准确重建，其中 k 为信号带宽；这一结论不能直接推广为任意图结构、扩散过程或噪声条件下的保证。 作者报告，该框架同时涵盖静态与动态情形，并提供计算高效、具有鲁棒性的重建算法，数值实验支持理论结果。具体重建目标、求解器、噪声模型、对照方法、误差指标、消融及统计信息尚未验证。 平台推测（待验证）：其与 EEG 的潜在对应是利用通道间图结构及时间相关性研究稀疏观测重建，而非直接改进 BCI 解码。可考虑复用采样分布设计与相干性分析，但需重新确定电极图、图频谱稀疏表示及时间演化算子。关键假设是目标 EEG 片段能被带限稀疏图信号和热扩散近似描述；低信噪比、瞬态活动、跨被试差异及电极布局变化均可能使该假设失效。一个小规模可证伪实验是在完整多通道 EEG 上模拟时空欠采样，在相同观测预算下比较该策略与均匀随机采样的重建误差，并检查收益是否随扩散模型拟合误差增大而消失。已有 EEG 相关工作尚未检索确认。