Neues, einheitliches erweiterte Matrixmodell verbessert Graph‑Signalverarbeitung

Graph‑Signalverarbeitung ist heute ein unverzichtbares Werkzeug, um Daten auf unregelmäßigen Strukturen zu analysieren. Traditionelle Graph‑Shift‑Operatoren (GSOs) liefern zwar brauchbare Ergebnisse, bleiben jedoch bei der Modellierung von Abhängigkeiten zwischen nicht benachbarten Knoten eingeschränkt.

Um diese Lücke zu schließen, stellt der neue Ansatz das „Unified Extended Matrix“ (UEM) vor. Das UEM kombiniert die erweiterte Adjazenzmatrix mit einer einheitlichen Graph‑Repräsentationsmatrix und nutzt dabei einen parametrierten Design‑Ansatz, der sich flexibel an unterschiedliche Graph‑Strukturen anpassen lässt.

Die theoretische Analyse zeigt, dass das UEM unter bestimmten Bedingungen positiv semidefinit ist und die Eigenwerte monoton wachsen. Diese Eigenschaften bilden die Grundlage für die Entwicklung eines neuen Graph‑Fourier‑Transforms, dem UEM‑GFT, der die spektralen Eigenschaften adaptiv anpasst und damit die Signalverarbeitungsleistung steigert.

Experimentelle Tests auf synthetischen und realen Datensätzen demonstrieren, dass der UEM‑GFT bei Anomalie‑Erkennungsaufgaben die bestehenden GSO‑basierten Methoden übertrifft. Dabei erzielt er über verschiedene Netzwerk‑Topologien hinweg eine überlegene Performance.