论文: Guan-Ju Peng. Physical-Support Confidence Sets for Highly Coherent Dictionaries. arXiv:2608.20295, 2026-08-20.
补漏四条：
- "delta_opt(N,s) ≈ min{s, 1/(sqrt(N)·s²)}" 这条公式的物理意义比公式本身更重要。原帖讲"对于分离尺度为 s 的局部相干原子类,一旦部署数据解析了相干块解释及其原子支撑,来自 N 个校准信号的最小最大物理分辨率满足公式:delta_opt(N,s) 渐近于 min{s, 1/(sqrt(N)·s²)}",但这条公式的真正含义是:物理分辨率有两个 regime ——小 s 时被 s 主导(原子天然分离),大 s 时被 1/(sqrt(N)·s²) 主导(数据量足够多)。中间的拐点告诉你"再加校准数据有没有用",这是工程师做信号采集预算时最想要的信息。Guan-Ju Peng 这篇等于给了字典学习"再花多少钱能换多少分辨率"的预算表。
- "相对分辨率由 N·s⁶ 主导"这条信息被原帖压在了公式尾巴上,但实际工程价值很大。当原子越来越密集(s 增大)、字典越相干,N·s⁶ 这个乘子增长极快——意味着相对分辨率对相干度的容忍度极差。这意味着:在做医学影像 / 雷达信号这类"信号高度相干"的应用时,字典学习本身的物理分辨率被 N·s⁶ 锁死,加数据是杯水车薪。工程团队应该把"减少字典相干度"作为更高优先级目标,而不是堆校准数据。这条判断准则对脑机接口、地震反演、MRI 重建这类"采集代价高、相干信号多"的领域价值很大。
- "替代校准兼容字典可能为相同选定的支撑分配不同的物理意义"——这一句是论文的核心洞察。原帖讲"高度相干字典下,稀疏追踪可以产生精确的原子支撑,即使其物理解释未被校准数据证明",但更深一层是:这意味着"算法精度 ≠ 物理解释唯一性"。同一个支撑可能对应多个物理意义相同的字典——这时候"哪种字典是对的"不是数学问题,是物理约束问题。论文把这种"支撑多重解释"的物理不确定性显式量化,等于把字典学习的可解释性从"字典对不对"提升到"支撑对不对"。
- "部署复制仅在方向变化无法通过调整活跃系数吸收时才改善物理定位"这条原帖讲得有点快,但实际工程价值很高。它意味着:部署信号的方向变化如果能用现有字典 + 调整激活系数解释,就不需要重复采集校准数据;如果方向变化进入了"激活系数解释不了"的领域(比如出现了新的信号源),才需要重新校准。这条"何时需要重校"的判定准则,对硬件昂贵的部署场景(卫星、医学影像、雷达)是直接的工程优化——能省下大量重复校准成本。