La compresión de señales y el muestreo arbitrario son técnicas de reducción de volumen de datos que desafían el teorema de muestreo de Shannon y se espera que proporcionen un almacenamiento eficiente mientras se preserva la información original. La irregularidad del muestreo puede ser el resultado de una optimización intencional de una cuadrícula de muestreo o puede derivar de la ocurrencia esporádica u observabilidad intermitente de un fenómeno. La comparación cuantitativa de la similitud de patrones irregulares suele ir precedida por una proyección a un espacio de muestreo regular. En este documento, estudiamos métodos para la comparación directa de series temporales en sus cuadrículas no uniformes originales. También proponemos un grafo lineal como representación de la señal no uniforme y aplicamos el método de Aproximación de Grafos Mutuos (MGA) como métrica para inferir el grado de similitud de los patrones considerados. El MGA se implementó junto con cuatro métodos de vanguardia y se probó con ejemplos de señales de voz y electrocardiogramas proyectados en cuadrículas de muestreo relacionadas con el ancho de banda y aleatorias. Nuestros resultados muestran que el rendimiento del método MGA propuesto es comparable a las métricas de distancia de vanguardia más precisas (correlación de 0.964 frente a Frechet: 0.962 y Kleinberg: 0.934 para las señales de voz) y a métricas de distancia de vanguardia menos costosas computacionalmente (tanto MGA como Hausdorf: ). Además, la comparación directa de señales no uniformes puede ser equivalente a la correlación cruzada de señales remuestreadas (correlación de 0.964 frente a remuestreadas: 0.960 para las señales de voz, y 0.956 frente a 0.966 para los electrocardiogramas) en aplicaciones de clasificación de señales tanto en precisión como en complejidad computacional. Por último, el modelo de remuestreo basado en el ancho de banda juega un papel sustancial; el uso de una cuadrícula aleatoria es la principal causa de inexactitud (correlación de 0.960 frente a cuadrícula de muestreo aleatoria: 0.900 para las señales de voz, y 0.966 frente a 0.878, respectivamente, para los electrocardiogramas). Estas cifras indican que el método MGA propuesto puede utilizarse como una herramienta simple pero efectiva para evaluar la similitud de señales directamente en cuadrículas de muestreo no uniformes.