Algebraische Vielfalt: Gruppentheoretische Spektralanalyse aus einer Beobachtung

Eine bahnbrechende Theorie zeigt, dass die herkömmliche zeitliche Mittelung über mehrere Messungen durch die algebraische Gruppeneigenschaft einer einzigen Beobachtung ersetzt werden kann – und das für die Schätzung von zweiten‑Ordnung‑Statistiken.

Der General Replacement Theorem definiert die Bedingungen, unter denen ein gruppenmittelungsgesteuerter Schätzer aus einem einzigen Snapshot exakt dieselbe Unterraumzerlegung liefert wie die klassische Mehr‑Snapshot‑Kovarianzanalyse. Ergänzend beweist der Optimality Theorem, dass die symmetrische Gruppe universell optimal ist und damit den Klassischen Lagrange‑Kondensations‑Transform (KL‑Transform) erzeugt.

Das neue Rahmenwerk vereint bekannte Spektraltransformen – DFT, DCT und KLT – als spezielle Fälle gruppenabgestimmter Spektraltransformen. Ein geschlossener Doppel‑Kommutator‑Eigenwert‑Aufgabe ermöglicht die Auswahl der optimalen Gruppe in polynomialer Zeit.

Fünf Anwendungen demonstrieren die Kraft dieser Methode: MUSIC‑DOA‑Schätzung aus einem einzigen Snapshot, massive MIMO‑Kanalschätzung mit 64 % Durchsatzgewinn, Klassifikation von Einzel‑Pulse‑Signalformen mit 90 % Genauigkeit, Graph‑Signal‑Verarbeitung unter Verwendung nicht‑abelscher Gruppen und eine neue algebraische Analyse von Transformer‑LLMs. Letztere zeigt, dass RoPE in 70‑80 % der Aufmerksamkeitsköpfe die falsche algebraische Gruppe nutzt, dass die optimale Gruppe inhaltsabhängig ist und dass spektral‑konzentrierte Pruning‑Methoden die Perplexität bei 13 B‑Modellen verbessern.

Alle Diagnosen erfordern lediglich einen einzigen Vorwärtspass ohne Gradienten oder Training – ein echter Durchbruch für schnelle, ressourcenschonende Analyse in der Signalverarbeitung und im maschinellen Lernen.