【Gabor神经网络（GNN）】级联多尺度 Gabor 分解架构

教学讲义：级联多尺度 Gabor 分解架构性质声明：本文档为独立教学讲义与研究笔记，面向具备深度学习与信号处理基础、需要快速建立多尺度特征分解工程直觉的工程师与研究生。所有内容基于公开文献与物理原理的原创性知识重组，不作为任何特定教材的替代或精简版本。一、核心矛盾：单一尺度的频域盲区与多尺度的冗余危机1.1 为什么单层 Gabor 滤波器组无法覆盖全频谱？Gabor 滤波器在空频域具有紧支集，这一优良特性同时也构成了其根本限制：单个 Gabor 核只能覆盖时频平面上的一个局部化"原子"。若采用并行滤波器组（filter bank）策略——即在同一层部署多个不同尺度与方向的 Gabor 核——虽然可以扩展覆盖范围，却面临两个深层矛盾：覆盖密度 vs. 计算成本的指数矛盾。为了在尺度-方向联合空间中实现稠密采样，滤波器数量随尺度层级与方向分辨率呈乘积增长。当方向数为MM