该论文综述了基于图形信号处理的几何数据的广泛应用，以及该领域内新兴的图神经网络，并讨论了其在处理几何数据中的作用与挑战。
Aug, 2020
本文总结了图信号处理领域的核心思想及其与数字信号处理的关系，并概述了图信号处理中的基本工具、各个应用领域的研究进展以及该领域在机器学习等方面的应用。
Dec, 2017
该研究介绍了如何利用图信号处理的概念和工具，诸如图滤波器和变换，以开发新的机器学习算法，并提供了未来 GSP 技术发展的新视角，以解锁在现代数据分析中的许多挑战。
Jul, 2020
本研究将离散信号处理 (DSP) 延伸到图信号，利用 DSP 基本原理进行快速分类，压缩和预测线性不规则位置天气站数据和移动服务提供商客户行为数据以及图论和社交网络的数据分析和处理。
Oct, 2012
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。
本文介绍了图形学习方法，如何通过图信号了解底层网络拓扑，以及统计方法，使用相关分析学习高斯图模型，并介绍近期的 GSP 基础网络推断框架，以及对动态网络的推断，非线性模型的配对交互以及对有向图的扩展及其与因果推理的关系等领域的挑战和机遇进行概述。
Oct, 2018
本文提出根据图的结构和节点属性对其进行分类的方法，使用图信号处理中的频谱特征派生两种高斯过程模型进行图分类 —— 第一种，基于图谱频谱能量信号分布的频谱特征；第二种，旨在捕捉图中多尺度和局部的模式，通过学习谱图小波滤波器来获得更好的性能。最后，表明二者均产生良好的不确定度估计，可以基于模型预测进行可靠的决策。
Jun, 2023
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
该论文研究了图信号处理理论在语音增强中的应用。通过构建图语音信号并在图 Fourier 域中分析其谱与噪声谱的差异，提出图谱减法方法来抑制噪声干扰，进而提出迭代图谱减法以进一步提高语音增强性能。实验结果表明，所提出的方法在信噪比和语音质量评价方面均优于传统的基本谱减法和迭代基本谱减法。
Jun, 2020
本文旨在建立分析拓扑空间中定义的信号的基本工具，特别是用于处理定义在非度量空间上的信号，其中我们着重介绍定义在单纯复合体上的信号，并从代数拓扑的基本原理出发，在各阶信号之间强调相互作用和提取数据中单纯复合体拓扑的方法，最后通过实际应用案例验证所提出的方法的有效性。
Jul, 2019