[論文レビュー] An Uncertainty Principle for Discrete Signals

Sangnam Nam|arXiv (Cornell University)|Jul 24, 2013

Mathematical Analysis and Transform Methods参考文献 17被引用数 7

ひとこと要約

この論文は、連続領域における周期的で局所化された関数から導かれる許容的信号を分析することにより、有限長信号における離散的不確定性原理を確立する。この離散的信号における時間周波数不確定性積は、連続的ヘイゼンベルク限界に非常に近いことが示され、離散的ガウス関数がほぼ最適性に達することが判明した。これにより、連続的および離散的時間周波数解析の間のギャップが埋められた。

ABSTRACT

By use of window functions, time-frequency analysis tools like Short Time Fourier Transform overcome a shortcoming of the Fourier Transform and enable us to study the time- frequency characteristics of signals which exhibit transient os- cillatory behavior. Since the resulting representations depend on the choice of the window functions, it is important to know how they influence the analyses. One crucial question on a window function is how accurate it permits us to analyze the signals in the time and frequency domains. In the continuous domain (for functions defined on the real line), the limit on the accuracy is well-established by the Heisenberg's uncertainty principle when the time-frequency spread is measured in terms of the variance measures. However, for the finite discrete signals (where we consider the Discrete Fourier Transform), the uncertainty relation is not as well understood. Our work fills in some of the gap in the understanding and states uncertainty relation for a subclass of finite discrete signals. Interestingly, the result is a close parallel to that of the continuous domain: the time-frequency spread measure is, in some sense, natural generalization of the variance measure in the continuous domain, the lower bound for the uncertainty is close to that of the continuous domain, and the lower bound is achieved approximately by the 'discrete Gaussians'.

研究の動機と目的

• 有限離散信号における不確定性原理の理解のギャップを埋めること、特に離散フーリエ変換の文脈において。
• 連続領域におけるヘイゼンベルク不確定性原理が、有限長信号に対して意味のある離散的類似物を持つかどうかを調査すること。
• 時間周波数解析における最適性を特徴づける離散窓関数（特に離散的ガウス関数）を同定すること。
• 連続的類似物に基づいて、離散的設定における離散的ガウス関数のほぼ最適性を理論的根拠づけること。
• 局所化され、周期化された関数から導かれる許容的離散信号のクラスについて、時間周波数不確定性積の境界を確立すること。

提案手法

• ℂ^N における許容的信号を、√N周期で周期化され、(N,ε)-局所化された関数 f ∈ L²(ℝ) の均等なサンプリングとして定義し、滑らかさと減衰性を保証する。
• ポアソン和公式を用いて、信号 x_f のDFTを元の関数 f のフーリエ変換に関連付ける。
• パーサバルの定理とモーメント近似技術を適用し、f とその離散的対応物 x_f の分散を比較する。
• f, f', f̂, f̂' における (N,ε)-局所化条件を活用し、連続的および離散的領域間の分散近似誤差を限定する。
• 時間分散と周波数分散の積に関する境界を導出する：v_x v_x̂ ∈ [(1−√ε)²/(16π²), (1+√ε)²/(16π²)]
• ε が小さい場合、不確定性積が連続的ヘイゼンベルク限界 1/(16π²) に限りなく近くなることを示す。

実験結果

リサーチクエスチョン

• RQ1 有限長信号に対して、連続的ヘイゼンベルク不確定性原理を模倣する離散的不確定性原理を確立できるか？
• RQ2 離散的ガウス関数が離散的設定において、どの程度最適な時間周波数局在化を近似できるか？
• RQ3 離散的信号の時間および周波数分散が、連続的で局所化された関数のそれらをどの程度正確に近似できるか？
• RQ4 連続的プロトタイプ関数にどのような条件を課えると、その離散的サンプリングが時間周波数解析におけるほぼ最適な窓関数を生成するか？
• RQ5 許容的クラスにおける離散的ガウス関数のほぼ最適性が、ℂ^N 内のすべての信号に拡張可能か？

主な発見

• 許容的信号が (N,ε)-局所化関数から導かれる場合、時間周波数不確定性積は v_x v_x̂ ≥ (1−√ε)²/(16π²) を満たす。
• ε が小さい場合（例：ε ≈ 0.01）、下界は連続的ヘイゼンベルク限界 1/(16π²) に対して1%以内に収束する。
• 離散的ガウス関数—ガウス関数を周期化してサンプリングしたもの—は、理論的最小値に非常に近い不確定性積を達成する。
• ポアソン和公式により、サンプリング信号 x_f のDFTは f のフーリエ変換のサンプリング版に等しく、すなわち x̂_f = x_f̂ である。
• 数値的証拠により、N が大きく、関数がよく局所化されている場合、不確定性境界が実際に 1/(16π²) に極めて近いことが確認された。
• この結果は、特に元のガウス関数が時間的および周波数的に強く集中している場合、離散的ガウス関数が離散的時間周波数解析におけるほぼ最適な窓関数である可能性を示唆している。