本文概述了在图上信号处理的方法，从图谱论、多尺度变换的角度阐述了在处理高维数据的图结构方面的方法和挑战，并强调了考虑到图形数据不规则结构的重要性。

Oct, 2012

本文研究如何在图形信号处理领域中利用字典设计和变换方法来识别和利用加权图中信号的结构。通过定义广义卷积、平移和调制运算符等，我们实现了窗口傅里叶分析的图形处理方法，在任何未指定方向、连接、加权的图上对信号进行分析。

Jul, 2013

本论文提出了一种新的方法来构建任意有限加权图的函数波形变换，基于以离散图拉普拉斯的频谱分解作为傅立叶域的图分析，并且探索了极细尺度下波形的局部化特性，提出了一个快速的切比雪夫多项式逼近算法来计算变换，并通过解决多种不同问题域图上的波形示例展示变换的潜在应用。

Dec, 2009

本文提出了一种适用于更广泛类型的图信号的字典学习算法，该算法通过将学习到的字典原子强制设置为图小波函数的稀疏组合，以及添加直接的图约束来提高特征和多样性领域的平滑度，从而实现了对感兴趣的数据进行调整，同时遵循底层图结构和具有所需的多尺度属性。在合成和真实的不同类型数据集上的实验结果表明，该算法即使在高维数据中也能有效地处理图信号。

Jun, 2018

本文提出了在任意有限带权无向图的顶点上分析函数的两通道小波滤波器组的构建。我们观察了二分图中的谱折叠现象，提出了解决重叠和使信号完美重建的有偶数长度的 qmf 小波滤波器。随后，针对任意图，我们提出了一个二分子图分解，其在每个二分子图上构建了 qmf 小波滤波器，从而实现了在图上的多维可分离小波滤波器组。我们陈述了正交性、抗混淆和完美重构的必要和充分条件，并通过 Chebychev 多项式逼近来实现了滤波器。

Jun, 2011

本文回顾了图信号处理的一般概念，包括引入谱域、定义谱变换、引入图滤波、多尺度变换和滤波器组等内容。

Nov, 2017

本文提出了一种在未知图形几何的情况下对定义在图上的高维数据进行分类的方法 - 基于 Haar 散射变换，该变换能够计算出不变的信号描述符，并通过深度级联计算正交 Haar 小波变换来实现。此外，本文还介绍了一种用于无序图形上采样的多尺度邻域估计方法，并对通过降维实现的监督分类在样本集上进行了测试。

Jun, 2014

本文提出一种基于 Jacobi 特征值算法的贪心近似对图拉普拉斯矩阵进行对角化的方法，从而获得可快速应用和高效存储的近似图傅里叶变换，并在合成和真实图中的应用展示其潜力。

Dec, 2016

该研究介绍了一种新的神经信号模型，用于高效地对大规模信号进行高分辨率表示，并应用于各种大规模信号表示任务，其中包含文件大小为千兆级别的图像和非常大的点云，表明它需要少于 25％的参数，33％的存储器空间和 10％的计算时间，就能达到 ACORN 等竞争技术相同的表示精度。

Feb, 2022

该论文通过 Lanczos 方法，提出了一种精确、鲁棒、可扩展和高效的算法，用于大规模图的信号处理和滤波，相较于基于 Chebyshev 多项式的现有方法，其在不增加整体复杂度的情况下实现了更高的准确性，并且特别适用于具有大谱间隙的图。

Sep, 2015