加性白噪声下 Bargmann 变换零点的高效计算

我们研究受复白噪声污染信号的 Bargmann 变换零点集的计算，等价地，即其以高斯窗的短时 Fourier 变换零点计算。我们引入了自适应最小网格邻域算法（AMN），它是信号处理文献中近期出现的方法的一个变体，并证明它以高概率计算所需零点集。更确切地说，给定信号 Bargmann 变换在间距为 $\delta$ 的有限网格上的样本，AMN 被证明可在 Wasserstein 误差度量下以 $\delta$ 的因子计算所需零点集，失败概率为 $O(\delta^4 \log^2(1/\delta))$。我们还提供了数值测试并与其他算法进行比较。