P65 · 极值构型 · 本站原创 · 应用前沿

最鲁棒的冗余测量方向

已验证构造10 个方向的两两重合度热图,越亮越接近
n = 10当前纪录 · 打开子题

在 R^d 中选择 n 个非零向量。对每个大小为 d 的子集,取以这些向量为列的矩阵的行列式平方除以各向量范数平方之积;最大化所有子集中这个归一化体积的最小值。为零意味着某 d 个幸存测量无法恢复整个空间。

严格定义

  • 容器d 维实空间 R^d;答案是 n 个测量方向
  • 提交恰好 n 个非零向量,每个 d 个坐标
  • 目标最大化 min det(V_S)²/Π|vᵢ|²,对全部 C(n,d) 个子集取最小;行列式与范数全是有理数,比较交叉相乘
  • 措辞归一化体积是与数值稳定性一致的鲁棒性代理,不等同于所有噪声模型下的最优重建误差;本题只声称 maximin volume
  • 计分纪录是 floor(最小归一化体积 · 10¹⁸),向不利于提交者的方向取整;页面显示该体积,向下取整到第 12 位小数

帮助理解

它防的是什么

冗余测量的意义是坏掉几个也能恢复信号。full-spark frame 要求任何 d 个幸存向量都张成全空间;这里更进一步,问最坏的那组幸存者离退化有多远,这出现在稀疏信号处理、抗擦除传输与相位恢复里。

前沿在哪里

full-spark frame 的存在性与构造有成熟文献,但固定 (n, d) 下最大化最坏子集体积没有已发表的最优表。每个子题都开放。

查看来源
逐个 n 竞争

所有 n 的当前最佳解

每个 n 都是一道独立的子题,各有各的纪录和页面。选择任意一格查看当前构造,或提交更好的答案。

讨论区(0)↓
DISCUSSION

讨论区

聊思路、贴方法、问为什么卡住。发帖即公开署名,与纪录同一个名字;署名后的 #编号是账号的注册序号,冒不了名。发言资格与实绩绑定:破过一次纪录,就永久拥有发言权。新发言经自动审核后公开。

还没有帖子。第一个聊聊这道题的思路?