1. 论文基本信息 (Bibliographic Information)

• 标题 (Title): 使用最少采样角谱法建模离轴衍射 (Modeling off-axis diffraction with the least-sampling angular spectrum method)

• 作者 (Authors): Haoyu Wei, Xin Liu, Xiang Hao, Edmund Y. Lam, and Yifan Peng。其中，Haoyu Wei 和 Xin Liu 为共同第一作者。作者隶属于香港大学电子与电气工程系以及浙江大学光学科学与工程学院。

• 发表期刊/会议 (Journal/Conference): Optica。这是由 Optica Publishing Group (原 OSA) 出版的旗舰期刊，是光学和光子学领域的顶级期刊之一，以其高影响力、严格的同行评审和发表突破性研究而闻名。

• 发表年份 (Publication Year): 2023

• 摘要 (Abstract): 准确而高效地模拟离轴衍射对于设计大规模计算光学系统至关重要，但现有的刚性采样和建模方案无法解决这一问题。本文建立了一种通用的最少采样角谱方法 (least-sampling angular spectrum method)，能够以高精度高效地进行离轴衍射建模。具体而言，通过利用傅里叶变换的移位特性将离轴衍射转换为准轴上衍射，并将角谱与传递函数联系起来，从而在整个计算过程中彻底优化并自适应地确定必要的采样要求。利用灵活的基于矩阵的傅里叶变换，论文演示了编码孔径成像系统的离轴点扩散函数。据作者所知，这是首次在 20° 入射角下实现了比现有技术快约 36 倍的速度提升，并证明了在商用计算机上数秒内计算 35° 等超大角度的可行性。此外，论文还进一步探讨了该方法对高频调制的适用性。

• 原文链接 (Source Link): 论文以 PDF 格式提供。状态为已正式发表。

  ---

2. 整体概括 (Executive Summary)

• 研究背景与动机 (Background & Motivation - Why):

  • 核心问题： 在计算光学领域，尤其是在设计具有大视场 (large field of view) 的系统（如全息、计算成像等）时，需要对大角度下的离轴光波衍射进行数值模拟。
  • 现有挑战 (Gap)： 传统的数值方法，如基于快速傅里叶变换 (Fast Fourier Transform, FFT) 的角谱法 (Angular Spectrum Method, ASM)，在处理离轴问题时面临严峻挑战。由于离轴波的频谱中心偏离原点，根据奈奎斯特采样定理，需要极高的采样率（通常通过大量零填充实现）才能避免混叠 (aliasing) 现象，这导致计算量巨大、效率低下。现有改进方法（如 shift-BEASM）虽然有所缓解，但其采样策略仍然是刚性的，即独立地考虑入射光场和系统传递函数的采样需求，而忽略了两者之间的内在联系，导致采样冗余或采样不足。
  • 切入点/创新思路： 本文的作者认为，真正的最小采样率应该由入射光场的角谱与衍射传递函数的乘积的有效带宽共同决定，而不是由两者各自的带宽独立决定。同时，可以通过数学变换将“困难”的离轴问题转化为“简单”的准轴上问题来求解，从而从根本上降低采样需求。

• 核心贡献/主要发现 (Main Contribution/Findings - What):

  • 提出新方法： 建立了一种名为最少采样角谱法 (Least-Sampling Angular Spectrum Method, LS-ASM) 的通用离轴衍射建模方案。
  • 核心贡献点：
    1. 提出线性相位补偿 (Linear Phase Compensation, LPC) 技巧： 利用傅里叶变换的移位特性，对入射场施加一个线性相位，将其频谱中心移至原点，从而将离轴衍射问题等效转换为计算成本极低的准轴上衍射问题。
    2. 建立联合采样准则： 首次提出，采样率不应独立分析，而应通过联合分析光场角谱和系统传递函数的乘积来确定。这使得采样率的确定更加精确，避免了不必要的过采样。
    3. 实现自适应采样： 结合上述两点，推导出了能够自适应确定空间域和频率域采样率上下界的通用公式，确保了计算的准确性和高效性。
    4. 采用灵活计算工具： 使用基于矩阵乘法 (Matrix Triple Product, MTP) 的离散傅里叶变换，以支持在计算过程中任意选择采样窗口和间隔，实现了真正的自适应采样。
  • 关键发现：

    • 与当前最先进的 shift-BEASM 方法相比，LS-ASM 在 20° 入射角下实现了约 36 倍的速度提升，同时保持了高精度。

    • LS-ASM 能够在普通商用计算机上，在数秒内完成像 35° 这样的超大角度衍射计算，展示了前所未有的计算能力。

      ---

3. 预备知识与相关工作 (Prerequisite Knowledge & Related Work)

• 基础概念 (Foundational Concepts):

  • 衍射 (Diffraction): 指波（如光波）在传播过程中遇到障碍物或孔径时，其传播路径发生弯曲，偏离直线传播的现象。精确建模衍射是光学系统设计的核心。
  • 角谱法 (Angular Spectrum Method, ASM): 一种基于傅里叶光学的波前传播计算方法。其核心思想是将任意一个复杂的光场分解为一系列不同方向传播的平面波的叠加。在空间频率域（角谱域）中，光波从一个平面传播到另一个平面的过程可以被一个简单的传递函数 (Transfer Function) 来描述，这使得计算过程变为一次傅里叶变换、一次乘法和一次逆傅里叶变换，非常高效。
  • 傅里叶变换 (Fourier Transform): 在光学中，傅里叶变换是连接空间域（光场分布）和频率域（角谱，即平面波分量的分布）的数学桥梁。一个光场在透镜焦平面上的分布即为其在透镜前方的傅里EPY叶变换。
  • 奈奎斯特采样定理 (Nyquist Sampling Theorem): 该定理指出，为了无失真地恢复一个信号，采样频率必须至少是信号最高频率的两倍。在数值计算中，如果采样率不足，就会发生混叠 (Aliasing)，即高频分量被错误地表现为低频分量，导致计算结果严重失真。对于离轴衍射，其频谱远离原点（高频区域），因此需要非常高的采样率。

• 前人工作 (Previous Works):

  • 传统 ASM: 基于 FFT 实现，计算速度快。但其采样间隔是固定的，为了避免离轴情况下的混叠，需要进行大量的零填充 (zero-padding)，极大地增加了内存消耗和计算时间。
  • Shifted Band-Limited ASM [14], Generalized Transfer Function Method [15], Shifted Band-Extended ASM (shift-BEASM) [16]: 这些是为解决离轴问题而提出的改进方法。它们通过各种方式调整计算窗口或传递函数来提高效率。特别是 shift-BEASM，被认为是当时最先进的方法。然而，这些方法共同的局限性在于，它们仍然独立地确定入射场和传递函数的采样要求，没有考虑到最终计算的是两者乘积的频谱，因此其采样策略是次优的，导致不必要的过采样。

• 技术演进 (Technological Evolution): 技术演进的脉络是从物理上精确但计算复杂的衍射积分（如瑞利-索末菲积分）到计算上高效的 FFT-ASM，再到为解决 FFT -ASM 离轴局限性而发展的各种“移位”和“扩展” ASM 方法。本文的 LS-ASM 则是在此基础上的一次范式转变，从“如何更聪明地采样”转向“采样的理论下限是什么”，通过更深刻的物理洞察（联合采样）和数学工具（LPC）来逼近这一理论极限。

• 差异化分析 (Differentiation): 与 shift-BEASM 等前人工作相比，LS-ASM 的核心区别在于：

  1. 采样哲学的不同： LS-ASM 认为采样率应由 角谱 和 传递函数 的乘积决定，而 shift-BEASM 等方法则分别考虑两者，然后取一个能满足双方需求的采样率，这通常是过度的。

  2. 问题转换： LS-ASM 通过 LPC 将离轴问题转化为准轴上问题，从根本上降低了信号的带宽，而 shift-BEASM 仍然在处理一个高频的离轴信号，只是在采样上做优化。

  3. 计算灵活性： LS-ASM 采用基于 MTP 的离散傅里叶变换，可以处理任意采样率和采样区域，是真正的自适应方法。而基于 FFT 或 NUFFT 的方法在灵活性上受到限制。

     ---

4. 方法论 (Methodology - Core Technology & Implementation Details)

LS-ASM 的核心是通过一系列优化策略来确定在空间域和频率域所需的最少采样点数。

• 方法原理 (Methodology Principles):

  • 核心思想： 将复杂的离轴衍射问题分解为两个关键步骤进行优化：1) 在空间域，通过 LPC 将高频的离轴信号转换为低频的准轴上信号，从而大幅降低采样需求。2) 在频率域，通过联合分析光场角谱和系统传递函数的乘积特性，精确计算出避免混叠所需的最小采样率。

• 方法步骤与流程 (Steps & Procedures):

  1. 问题定义： 首先，考虑一个离轴点源发出的球面波，经过一个光阑平面（可能带有额外的相位调制），然后在一定距离外的观测平面上形成衍射场。如 图像 1(a) 所示。

     该图像为示意图和热图组合。(a) 示意图展示了斜入射波经过光阑平面后，在观测平面产生的衍射过程，标注了空间坐标系和相关变量，如入射角θ_x、θ_y及平面位置；(b) 两张热图对比了在无LPC和有LPC（局部相位校正）情况下的衍射点扩散函数，展示了LPC对信号聚焦效果的改善。

  2. 空间域优化 - 线性相位补偿 (LPC):

     • 离轴波的主要特征是其相位中包含一个大的线性分量 $k(x \sin\theta_x + y \sin\theta_y)$。根据傅里叶变换的移位性质，空间域的线性相位对应于频率域的频谱中心平移。
     • LPC 的做法是在原始输入光场 $u(\xi, \eta)$ 上乘以一个补偿相位 $\phi_{\mathrm{comp}} = -2\pi(f_{Xc}\xi + f_{Yc}\eta)$，其中 $(f_{Xc}, f_{Yc})$ 是原始光场角谱的中心频率。
     • 这个操作在数学上等效于将角谱的中心从 $(f_{Xc}, f_{Yc})$ 移回到原点 (0,0)。如 图像 1(b) 所示，未经 LPC 处理的角谱（左）中心偏离原点，需要一个很大的采样窗口才能完整覆盖；经过 LPC 处理后（右），角谱被移回中心，所需的采样窗口大大减小。

  3. 确定空间域采样率 τ_spat:

     • 经过 LPC 后，光场变为准轴上场，其带宽主要由两部分决定：一是光场自身的相位梯度（例如球面波的曲率），二是光阑孔径的衍射效应（艾里斑的扩展）。

     • 图像 2(a) 直观地解释了如何通过一个虚拟透镜模型来理解有效带宽。

       该图像由两部分组成：(a)为示意图，展示了从光阑面经过虚拟透镜到有效带宽的光学路径及参数标注，包括空间坐标ξ、η与频域坐标fX、fY；(b)为两个二维强度分布图，分别对应球面波和平面波下的成像结果，图中显示不同尺度因子s对成像带宽的影响。

     • 最终的空间采样率由一个综合公式确定，该公式考虑了这两个因素，并引入了一个过采样因子 s 来处理因截断引起的频谱泄露。图像 2(b) 展示了 s 的作用，s=1 时有轻微混叠，增大 s (如 1.2) 可以有效抑制。

  4. 频率域优化 - 联合采样:

     • 在频率域，需要计算角谱 $U$ 和传递函数 $H_z$ 的乘积。传统方法会分别保证 $U$ 和 $H_z$ 都被充分采样，但这通常是过度的。

     • LS-ASM 的关键洞见是，如果 $U$ 和 $H_z$ 的相位（特别是二次相位项）可以相互抵消，那么它们乘积的相位变化会比各自的相位变化平缓得多，因此所需的采样率会大大降低。

     • 图像 3 完美地展示了这一思想。左边是 $U$ 的相位 $\phi_U$，中间是经过虚拟窗口平移后的传递函数相位 $\phi_{\hat{H}_z}$，两者都有快速振荡的条纹。但右边它们的和 $\phi_U + \phi_{\hat{H}_z}$ 的相位变化则平缓得多，尤其是在能量集中的区域。这意味着对乘积进行采样，比分别采样要高效得多。

       该图像为一组图表，展示了不同函数图像及其局部放大细节。图中从左到右依次为函数φ_u(f_x,f_y)、函数φ_Ĥ(f_x',f_y')及两者的叠加φ_u(f_x,f_y)+φ_Ĥ(f_x',f_y')，右侧配有色条，表示其取值范围为0到2π，反映了相位分布的变化特征。图中局部放大框突出展示了细节差异。

  5. 确定频率域采样率 τ_freq:

     • 论文推导出了一个复杂的公式来确定频率域的采样率，该公式综合考虑了联合采样的效果、光阑尺寸、空间采样率以及观测窗口 (OW) 大小。

  6. 灵活计算：

     • 由于 LS-ASM 确定的采样率和采样区域是任意的，标准的 FFT 算法无法使用。因此，论文采用基于矩阵乘法 (MTP) 的离散傅里叶变换，它本质上是将傅里叶变换写成一个矩阵与向量相乘的形式，虽然计算复杂度高于 FFT，但提供了完全的灵活性，并且可以利用现代 GPU 进行并行加速。

• 数学公式与关键细节 (Mathematical Formulas & Key Details):

  • 角谱法 (ASM) 公式: $$u _ { z } ( x , y ) = \mathcal { F } ^ { - 1 } [ U ( f _ { X } , f _ { Y } ) H _ { z } ( f _ { X } , f _ { Y } ) ]$$

    • $u_z(x,y)$: 观测平面 $(x,y)$ 上的复振幅光场。
    • $\mathcal{F}^{-1}$: 逆傅里叶变换。
    • $U(f_X, f_Y)$: 输入光场 $u(\xi, \eta)$ 的角谱，位于频率域 $(f_X, f_Y)$。
    • $H_z(f_X, f_Y)$: 自由空间传播的传递函数，定义为 $H _ { z } ( f _ { X } , f _ { Y } ) = \exp [ i k z \sqrt { 1 - ( \lambda f _ { X } ) ^ { 2 } - ( \lambda f _ { Y } ) ^ { 2 } } ]$。其中 $k=2\pi/\lambda$ 是波数，$\lambda$ 是波长，$z$ 是传播距离。

  • 线性相位补偿 (LPC): $\phi _ { \mathrm { on - axis } } = \phi _ { u } + \phi _ { \mathrm { c o m p } }$

    • $\phi_u$: 原始输入光场的相位。
    • $\phi_{\mathrm{comp}}(\xi, \eta) = -2\pi(f_{Xc}\xi + f_{Yc}\eta)$: 补偿相位，一个线性相位斜坡。
    • $(f_{Xc}, f_{Yc})$: 原始角谱的中心频率坐标。
    • $\phi_{\mathrm{on-axis}}$: 补偿后得到的准轴上光场的相位。

  • 空间域采样率: $$\tau _ { \mathrm { s p a t } } ^ { ( p ) } = s \left( \frac { 1 } { \pi } \bigg | \frac { \partial } { \partial \boldsymbol { \rho } } \phi _ { \mathrm { o n - a xis } } \bigg | _ { \operatorname* { m a x } } + \frac { 4 1 . 2 } { D } \right)$$

    • $\tau_{\mathrm{spat}}^{(p)}$: 在 $\boldsymbol{\rho}$ 方向 ( $\xi$ 或 $\eta$ ) 的采样点数。
    • $s$: 过采样因子，一个大于等于 1 的启发式常数 (实验中设为 1.5)。
    • $|\frac{\partial}{\partial\boldsymbol{\rho}}\phi_{\mathrm{on-axis}}|_{\max}$: 准轴上相位沿 $\boldsymbol{\rho}$ 方向的最大梯度，决定了光场自身所需的带宽。
    • $D$: 光阑直径。$41.2/D$ 这一项代表了由有限光阑衍射效应（艾里斑）引入的带宽展宽。

  • 频率域采样率: $$\tau _ { \mathrm { f r e q } } ^ { ( f ) } = s \ \operatorname* { m a x } \left\{ \operatorname* { m i n } \left\{ 2 D + \tau _ { \gamma \hat { H } _ { z } } ^ { ( f ) } , D + \tau _ { \hat { H } _ { z } } ^ { ( f ) } \right\} + \frac { 4 1 . 2 } { \tau _ { \mathrm { s p a t } } ^ { ( p ) } } , 2 | q _ { c } ^ { \prime } | + w \right\}$$

    • $\tau_{\mathrm{freq}}^{(f)}$: 在频率方向 $f$ ( $f_X$ 或 $f_Y$ ) 的采样点数。

    • $\tau_{\gamma\hat{H}_z}^{(f)}$: 由联合相位 $U\hat{H}_z$ 决定的最小采样率。

    • $\tau_{\hat{H}_z}^{(f)}$: 由传递函数 $\hat{H}_z$ 单独决定的最小采样率。

    • $w$: 观测窗口 (OW) 的尺寸。

    • q'_c: 虚拟平移后 OW 的中心。

    • 该公式非常复杂，其物理意义是：频率域的采样点数由两部分中的较大者决定：一部分是保证衍射场能量不发生混叠所需的采样（min{...} 项），另一部分是覆盖整个观测窗口所需的采样（2|q'_c|+w 项）。

      ---

5. 实验设置 (Experimental Setup)

• 数据集 (Datasets):

  • 实验并非基于公开数据集，而是通过数值模拟生成。
  • 模拟场景: 一个薄透镜相机系统。具体参数为：波长 $\lambda=500 \mathrm{nm}$，焦距 $f=35 \mathrm{mm}$，f-数 (f-number) 为 16。
  • 输入信号: 一个距离光阑 $z_0 = 1.7 \mathrm{m}$ 的离轴点源发出的球面波。通过改变点源的位置来模拟不同的入射角 (从 0° 到 35°)。
  • 目标: 计算该系统在不同入射角下的复数点扩散函数 (complex Point Spread Function, PSF)。

• 评估指标 (Evaluation Metrics):

  • 信噪比 (Signal-to-Noise Ratio, SNR)
    1. 概念定义: SNR 用于衡量计算得到的衍射场 $u_{comp}$ 与作为基准的“真实”衍射场 $u_{gt}$ (ground truth) 之间的相似度。SNR 值越高，表示计算结果越接近真实值，误差越小。它量化的是信号强度与噪声（误差）强度的比值，通常以分贝 (dB) 为单位。
    2. 数学公式: $\mathrm{SNR} = 10 \log_{10} \frac{\sum |u_{gt}|^2}{\sum |u_{comp} - u_{gt}|^2}$
    3. 符号解释:
       • $u_{gt}$: 基准的、被认为是真实准确的复振幅场。
       • $u_{comp}$: 通过待评估方法计算出的复振幅场。
       • $\sum |\cdot|^2$: 对场中所有像素点的强度进行求和。
  • 均方根误差 (Root-Mean-Square Error, RMSE)
    1. 概念定义: RMSE 直接量化了计算结果与真实值之间逐像素差异的平均幅度。它的值越小，说明计算结果越精确。与 SNR 相比，RMSE 提供了对误差绝对大小的直观度量。
    2. 数学公式: $\mathrm{RMSE} = \sqrt{\frac{1}{N} \sum |u_{comp} - u_{gt}|^2}$
    3. 符号解释:
       • $N$: 场中的总像素点数。
       • $u_{gt}$, $u_{comp}$: 含义同上。
  • 运行时间 (Runtime): 记录完成一次衍射计算所需的总时间，单位为秒，用于评估算法的计算效率。

• 对比基线 (Baselines):

  • shift-BEASM: 这是论文发表时用于高效计算离轴衍射的最先进 (state-of-the-art) 的方法，是本文最主要的比较对象。

  • 瑞利-索末菲积分 (Rayleigh-Sommerfeld, RS integral): 衍射理论中的一种精确解，通过数值积分直接计算。它被用作黄金标准/地面真理 (ground truth)，因为其精度非常高，但计算成本也极其高昂，不适用于快速设计和优化。

    ---

6. 实验结果与分析 (Results & Analysis)

实验结果集中体现在 图像 4 中，通过与 shift-BEASM 的多维度对比，充分证明了 LS-ASM 的优越性。

该图像包含三部分：(a)为三种方法（Shift-BEASM、LS-ASM和RS）在两种案例下的衍射场幅度、相位和频谱分布对比；(b)为不同入射角θ下信噪比(SNR)和计算时间的曲线图，展示Shift-BEASM在20°时显著提升速度；(c)为空间采样点数和频率采样点数随入射角变化的折线图，显示LS-ASM和Shift-BEASM采样效率差异。整体体现了提出方法在高角度衍射模拟中的高效性和准确性。

• 核心结果分析 (Core Results Analysis):

  • 定性分析 (图像 4a):

    • 精度对比： LS-ASM 计算出的 PSF 的幅度和相位都与 RS 基准几乎完全一致。
    • 效率根源： 第三行的角谱图揭示了效率差异的根本原因。shift-BEASM (Case 1 和 2) 的角谱中心都偏离原点，而 LS-ASM 的角谱通过 LPC 被完美地移回了中心。
    • shift-BEASM 的困境：
      • 在 Case 2 中，当 shift-BEASM 使用与 LS-ASM 相同的采样数时，其角谱被严重截断，导致混叠和完全错误的 PSF 结果。
      • 在 Case 1 中，为了获得与 LS-ASM 相似的精度，shift-BEASM 必须使用一个非常大的采样窗口（图中虚线框）来完整包含偏离的角谱，这导致了巨大的计算开销。

  • 定量分析 (图像 4b 和 4c):

    • 速度对比 (图像 4b，虚线): LS-ASM 的计算时间非常短（约 0.2 秒），并且几乎不随入射角的增大而增加。相比之下，shift-BEASM (Case 1) 的时间随着角度的增大而急剧攀升，在 20° 时达到了约 7 秒，是 LS-ASM 的 36 倍 左右。
    • 精度对比 (图像 4b，实线): 在整个角度范围内，LS-ASM 的 SNR 始终保持在 50 dB 以上的高水平，与 shift-BEASM (Case 1) 相当，而 shift-BEASM (Case 2) 的 SNR 在角度稍大时就迅速崩溃。
    • 采样效率对比 (图像 4c): LS-ASM 在空间域 (# spat. sampling) 和频率域 (# freq. sampling) 所需的采样点数都远少于 shift-BEASM，并且随角度增长得非常缓慢。这直接解释了其在速度和内存使用上的巨大优势。

• 消融实验/参数分析 (Ablation Studies / Parameter Analysis):

  • 超大角度测试： 论文展示了在 35° 这种极端角度下的计算结果，仅需 1.2 秒即可完成，进一步证明了方法的鲁棒性和高效性。

  • 复杂相位调制测试： 通过在一个薄透镜前加入立方相位板 (cubic phase plate) 进行测试。这种相位板会引入一个固有的频率偏移，但没有线性相位项。实验表明 LS-ASM 同样能准确处理这种情况，证明了其普适性。

  • 过采样因子 s 的影响： 论文在补充材料中进行了消融研究，探讨了 s 的取值对精度和时间的影响。结果表明 s=1.5 是在精度和效率之间的一个良好平衡点。

    ---

7. 总结与思考 (Conclusion & Personal Thoughts)

• 结论总结 (Conclusion Summary):

  • 本文成功地提出并验证了一种名为 LS-ASM 的新型数值衍射建模方法。该方法通过线性相位补偿和联合采样策略，从根本上解决了传统方法在模拟大角度离轴衍射时效率低下的问题。
  • LS-ASM 实现了在保持高精度的前提下，计算速度比现有最先进技术快数十倍，并能处理前所未有的超大入射角。
  • 这项工作为大视场计算光学系统（如VR/AR头显、广角计算相机、全息显示等）的设计和优化提供了一个强大、高效且灵活的仿真工具。

• 局限性与未来工作 (Limitations & Future Work):

  • 标量衍射理论的局限： 当入射角非常大或衍射结构特征尺寸接近波长时，基于标量波理论的 ASM 本身可能不再精确，需要更复杂的矢量衍射理论。
  • 长距离传播： 当传播距离 z 非常大时，传递函数的相位振荡会非常剧烈，可能导致采样需求增加。作者提到可以采用半解析傅里叶变换方法来缓解这一问题。
  • 非平滑场： 对于振幅或相位急剧变化的场，可以通过将光阑划分为多个平滑的子区域来处理，但会增加实现的复杂性。

• 个人启发与批判 (Personal Insights & Critique):

  • 核心启发： 这篇论文最亮眼的启发是其联合优化的思想。在许多复杂的物理或工程问题中，我们常常将系统分解为多个模块独立分析和优化，但这往往会导致次优解。LS-ASM 表明，深刻理解模块间的相互作用（如角谱与传递函数的乘积），进行联合分析，是通往全局最优的关键路径。这个思想可以迁移到信号处理、机器学习等多个领域。
  • 问题转换的智慧： 将一个看似困难的高频、离轴问题，通过一个简单的数学变换 (LPC) 转化为一个易于处理的低频、轴上问题，体现了物理洞察和数学技巧的完美结合。这是一种非常优雅且高效的问题解决方法。
  • 潜在问题与改进空间：
    1. 实现复杂性： 尽管原理清晰，但 LS-ASM 的核心——采样率确定公式（特别是 Eq. (6)）相当复杂，包含了多个经验项和最值运算，正确实现可能具有一定挑战性，对初学者不够友好。
    2. 启发式参数： 过采样因子 s 仍然是一个启发式参数，需要手动选择。未来的工作可以探索如何根据场的具体特性自适应地确定 s，甚至完全消除它，从而使方法更加自动化和理论完备。
    3. 计算工具的权衡： 采用 MTP 提供了灵活性，但在采样点数非常多的情况下，其 $O(N^2)$ 的复杂度会劣于 FFT 的 $O(N\log N)$。虽然论文的“最少采样”策略使得 N 很小，但在某些极端情况下，MTP 仍可能成为瓶颈。探索 NUFFT 等兼具效率和灵活性的工具的改进版本，或许是一个值得研究的方向。