用于信号表示的迭代镜像分解

基于摘要分析。本文研究如何用有序位置序列唯一表示有限能量的连续或离散信号，提出通过迭代镜像操作构造非线性信号分解，以获得稀疏表示和有效的信号近似。 核心机制是在每一步选择一个位置，将信号相对于该位置分为偶分量与奇分量，并寻找使二者最大程度解耦的位置。摘要称，该过程可无限迭代形成位置序列，每个位置的信息决定当前阶段的最优能量解耦策略。其表示单元因而是镜像中心的位置，而非摘要中已明确给出的固定基函数系数；位置序列如何编码、有限步如何重建及唯一表示所需条件仍需查阅全文。 作者报告，实验仿真显示该非线性 mirror transform 具有稀疏表示特性，并表现出更好的近似能力；但摘要未给出测试信号、对照方法、误差指标、迭代预算或数值结果，因此不能据此判断优势幅度。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若该方法能以少量镜像中心稳定保留 EEG 波形结构，可能用于探索 EEG 的压缩或近似表示，而非直接构成 BCI 解码方法。可复用的是镜像分解与位置搜索机制；需要改造或验证的是多通道处理、有限步停止条件及对低信噪比信号的稳健性。噪声、时移和跨被试波形差异可能使位置序列不稳定。一个可证伪的小实验是在固定 EEG 数据划分与相同实际存储预算下，对比该表示与 Fourier、wavelet 近似的重建误差，并测试加噪后的位置稳定性。已有 EEG 相关工作尚未检索确认。