中文

$\mathbb{R}^1$上Moran测度量化误差的渐近均匀性

泛函分析 2018-02-13 v1

摘要

EER1\mathbb{R}^1 上关联于闭区间 JJ 及两序列 (nk)k=1(n_k)_{k=1}^\infty(Ck=(ck,j)j=1nk)k1(\mathcal{C}_k=(c_{k,j})_{j=1}^{n_k})_{k\geq1} 的Moran集。设 μ\muEE 上关联于正概率向量序列 (Pk)k1(\mathcal{P}_k)_{k\geq1} 的无穷乘积测度(Moran测度),其中 Pk=(pk,j)j=1nk,k1\mathcal{P}_k=(p_{k,j})_{j=1}^{n_k},k\geq 1。我们假定 infk1min1jnkck,j>0,  infk1min1jnkpk,j>0. \inf_{k\geq1}\min_{1\leq j\leq n_k}c_{k,j}>0,\;\inf_{k\geq1}\min_{1\leq j\leq n_k}p_{k,j}>0. 对每个 n1n\geq 1,令 αn\alpha_nμ\mur(0,)r\in(0,\infty) 阶量化中的一个 nn 最优集,{Pa(αn)}aαn\{P_a(\alpha_n)\}_{a\in\alpha_n} 为关于 αn\alpha_n 的任意Voronoi划分。对每个 aαna\in\alpha_n,记 Ia(α,μ):=Pa(αn)d(x,αn)rdμ(x)I_a(\alpha,\mu):=\int_{P_a(\alpha_n)}d(x,\alpha_n)^rd\mu(x)J(αn,μ):=minaαnIa(α,μ),  J(αn,μ):=maxaαnIa(α,μ). \underline{J}(\alpha_n,\mu):=\min_{a\in\alpha_n}I_a(\alpha,\mu),\; \overline{J}(\alpha_n,\mu):=\max_{a\in\alpha_n}I_a(\alpha,\mu). 我们证明 J(αn,μ)\underline{J}(\alpha_n,\mu)J(αn,μ)\overline{J}(\alpha_n,\mu)en,rr(μ)en+1,rr(μ)e^r_{n,r}(\mu)-e^r_{n+1,r}(\mu)1nen,rr(μ)\frac{1}{n}e^r_{n,r}(\mu) 为同阶,其中 en,rr(μ):=d(x,αn)rdμ(x)e^r_{n,r}(\mu):=\int d(x,\alpha_n)^rd\mu(x)μ\murr 阶第 nn 量化误差。特别地,对于 R1\mathbb{R}^1 上Moran测度类,我们的结果表明Gersho猜想的一个较弱版本成立。

关键词

引用

@article{arxiv.1802.03723,
  title  = {Asymptotic uniformity of the quantization error for Moran measures on $\mathbb{R}^1$},
  author = {Sanguo Zhu},
  journal= {arXiv preprint arXiv:1802.03723},
  year   = {2018}
}