Thresholding estimators for linear inverse problems and deconvolutions
线性逆问题与反卷积的阈值估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究信号恢复、线性逆问题和图像反卷积，未明确连接结构估计或所列其他经济金融领域细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
线性逆问题与反卷积的阈值估计
- 研究问题
- 当信号被逆算子不有界的线性算子降质并受到噪声影响时，如何选择基与阈值估计方法以控制最坏情形风险？
- 方法与思路
- 作者研究正交基中的阈值算法，给出达到极小极大收敛速率的充分条件，并为不稳定反卷积构造镜像小波基。
- 材料陈述的贡献
- 摘要称镜像小波阈值估计在有界变差信号上具有与极小极大风险渐近等价的反卷积风险，并用于模糊卫星图像恢复。
- 阅读关注点
- 应核对噪声模型、算子与信号类的条件、镜像小波的构造，以及速率最优和风险渐近等价两类结论的区别。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；普通小波的次优性针对所述反卷积情形，不能推广至所有逆问题或所有信号类。
原文摘要
Thresholding algorithms in an orthonormal basis are studied to estimate noisy discrete signals degraded by a linear operator whose inverse is not bounded. For signals in a set $\Theta$, sufficient conditions are established on the basis to obtain a maximum risk with minimax rates of convergence. Deconvolutions with kernels having a Fourier transform which vanishes at high frequencies are examples of unstable inverse problems, where a thresholding in a wavelet basis is a suboptimal estimator. A new "mirror wavelet" basis is constructed to obtain a deconvolution risk which is proved to be asymptotically equivalent to the minimax risk over bounded variation signals. This thresholding estimator is used to restore blurred satellite images.