线性范畴域下的图信号维纳滤波：理论与方法设计
信号处理
2025-10-14 v1
摘要
图线性范畴变换（GLCT）基于的滤波方法通常会分别优化变换参数和滤波器，这导致计算成本高且稳定性有限。为此，本文提出一种可训练的联合优化框架，将GLCT参数与维纳滤波集成到端到端的学习过程中，实现变换域构建与滤波操作的协同优化。该方法不仅消除了传统策略中繁琐的网格搜索，还显著增强了滤波系统的灵活性和训练稳定性。实验在真实图数据上表明，所提方法在去噪任务中优于现有方法，具有卓越的去噪性能、更高的鲁棒性以及更低的计算复杂度。
引用
@article{arxiv.2510.10512,
title = {Graph Signal Wiener Filtering in the Linear Canonical Domain: Theory and Method Design},
author = {Xiaopeng Cheng and Zhichao Zhang},
journal= {arXiv preprint arXiv:2510.10512},
year = {2025}
}