📘 B-Spline 核心理解：滑动窗口与有效区间 #

1. B-spline 基本定义 #

B-spline 曲线定义为：

C(u) = \sum_{i=0}^{n} N_{i,p}(u),P_i

其中：

$P_i$ ：控制点
$N_{i,p}(u)$ ：p 次 B-spline 基函数
$u$ ：参数

2. 核心结构：滑动窗口（Order） #

2.1 Order 定义 #

\text{order} = p + 1

2.2 本质含义 #

在任意参数 $u$ 处：

只有 $p+1$ 个控制点同时参与计算

即：

C(u) \text{ 由 } p+1 \text{ 个 } P_i \text{ 加权得到}

2.3 滑动窗口形式 #

例如 $p=3$ ：

\text{order} = 4

控制点参与形式：

[P_i, P_{i+1}, P_{i+2}, P_{i+3}]

窗口随 $u$ 移动：

[P_0 P_1 P_2 P_3] \rightarrow [P_1 P_2 P_3 P_4] \rightarrow [P_2 P_3 P_4 P_5]

3. 为什么是 p+1 个控制点？ #

关键来自 Cox–de Boor 支撑性质：

N_{i,p}(u) \neq 0 \Rightarrow u \in [u_i,; u_{i+p+1})

因此：

每个基函数覆盖 p+1 个 knot interval
多个基函数重叠形成窗口

结果：

\text{同时非零的 basis 数量} = p+1

4. knot vector 示例 #

设：

U = {0,0,0,0,;0.3,;0.6,;1,1,1,1}

5. 每个控制点的支撑区间 #

根据：

\mathrm{supp}(N_{i,p}) = [u_i,; u_{i+p+1})

p = 3 时： #

P0： #

[ u_0,; u_4 ] = [0, 0.3]

P1： #

[ u_1,; u_5 ] = [0, 0.6]

P2： #

[ u_2,; u_6 ] = [0, 1]

P3： #

[ u_3,; u_7 ] = [0, 1]

P4： #

[ u_4,; u_8 ] = [0.3, 1]

6. 为什么会形成“滑动窗口” #

因为：

每个 $N_{i,p}(u)$ 只在局部区间非零
不同 basis 区间重叠

因此在每个 $u$ ：

\exists ; p+1 \text{ 个 basis 同时非零}

7. 有效区间的来源 #

7.1 左端分析 #

在 $u < u_p$ 时：

例如 $u=0$ ：

basis 未形成完整 overlap
非零 basis 数量 < p+1

7.2 右端分析 #

在 $u > u_{m-p}$ 时：

sliding window 滑出 knot 范围
overlap 结构消失

8. 有效区间定义 #

因此稳定结构区间为：

u \in [u_p,; u_{m-p}]

9. 为什么这个区间重要？ #

在该区间内满足：

9.1 完整 overlap： #

\sum_{i} \mathbf{1}[N_{i,p}(u) \neq 0] = p+1

9.2 partition of unity： #

\sum_{i} N_{i,p}(u) = 1

9.3 convex combination： #

C(u) = \sum_{i} N_{i,p}(u) P_i

10. 两端 vs 中间 #

10.1 中间区间 #

u \in [u_p,; u_{m-p}]

特点：

p+1 个 basis overlap
凸组合成立
曲线稳定

10.2 两端区间 #

例如 $u=0$ ：

C(0)=P_0

特点：

overlap 退化
basis collapse
不形成完整窗口结构

11. 最终统一解释 #

B-spline 本质结构： #

① knot 决定时间轴 #

② basis 决定局部支撑 #

③ order 决定窗口大小 #

合起来： #

\text{B-spline} = \text{滑动窗口上的局部加权平均系统}

12. 核心结论 #

\boxed{ [u_p,; u_{m-p}] \text{ 是滑动窗口结构完整成立的稳定区间} }

13. 一句话总结 #

B-spline 的有效区间不是“函数定义区间”，而是“p+1 个 basis function 能够完整重叠并形成 convex combination 的区域”。