[論文レビュー] Band-Limited Gaussian Processes: The Sinc Kernel

Felipe Tobar|arXiv (Cornell University)|Sep 16, 2019

Target Tracking and Data Fusion in Sensor Networks被引用数 7

ひとこと要約

本稿では、パワースペクトラル密度（PSD）を長方形関数としてモデル化することにより、バンド制限されたサンプル軌道を保証する、新しいガウス過程（GP）共分散カーネル、sincカーネルを導入する。このPSDの逆フーリエ変換を用いることで、コンpactなサポートを持つPSDからsincに基づく共分散関数が得られ、シャノン＝ニクイスト定理に従う正確なベイズ的再構成が可能となり、ノイズが多い、または欠損のあるデータにおけるステレオ復調およびバンドパスフィルタリングにおいても高いロバスト性を示す。

ABSTRACT

We propose a novel class of Gaussian processes (GPs) whose spectra have compact support, meaning that their sample trajectories are almost-surely band limited. As a complement to the growing literature on spectral design of covariance kernels, the core of our proposal is to model power spectral densities through a rectangular function, which results in a kernel based on the sinc function with straightforward extensions to non-centred (around zero frequency) and frequency-varying cases. In addition to its use in regression, the relationship between the sinc kernel and the classic theory is illuminated, in particular, the Shannon-Nyquist theorem is interpreted as posterior reconstruction under the proposed kernel. Additionally, we show that the sinc kernel is instrumental in two fundamental signal processing applications: first, in stereo amplitude modulation, where the non-centred sinc kernel arises naturally. Second, for band-pass filtering, where the proposed kernel allows for a Bayesian treatment that is robust to observation noise and missing data. The developed theory is complemented with illustrative graphic examples and validated experimentally using real-world data.

研究の動機と目的

• スペクトルサポートがコンパクトであることを強制することで、ほとんど確実にバンド制限されたサンプルパスを持つ新しいガウス過程のクラスを開発すること。
• 長方形パワースペクトラル密度のフーリエ変換から直接カーネルを構築することで、スペクトル推定理論とGPモデリングを統合すること。
• ステレオアンプリチュード復調や、ノイズや欠損観測のある場合のバンドパスフィルタリングといった古典的信号処理タスクにおけるsincカーネルの有効性を示すこと。
• 音声やCO2濃度データを含む実世界信号を用いた数値実験を通じて、sincカーネルの理論的性質を検証すること。
• 非中心化および周波数変動型のケースにフレームワークを拡張し、混合モデルに適した一般化sincカーネルを提案すること。

提案手法

• パワースペクトラル密度（PSD）を、中心周波数±ξ₀、幅Δ、全パワーσ²の対称的長方形関数として定義し、スペクトルサポートがコンパクトであることを保証する。
• 長方形PSDの逆フーリエ変換を適用し、sincに基づく共分散カーネルを導出する：K(t) = σ²/Δ × sinc(Δt) × cos(2πξ₀t)。
• 中心周波数ξ₀と幅Δを可変化させることで、非中心化および周波数変動型のケースにカーネルを拡張し、変調信号のモデリングを可能にする。
• GP事後平均を、sincカーネル下でのシャノン＝ホイッティカー標本化定理に一致する再構成と解釈することで、ベイズ推論と古典的標本化理論を結びつける。
• Nyquist間隔に配置された誘導点を用いたスパースGP近似を実装し、計算コストを低減しながらスペクトル忠実度を維持する。
• 複雑なマルチバンドスペクトル構造をモデリングするため、複数のsincカーネルの混合として一般化sincカーネル（GSK）を用いる。

実験結果

リサーチクエスチョン

• RQ1 スペクトルサポートがコンパクトであることを強制することで、サンプルパスが設計上ほとんど確実にバンド制限されるようなガウス過程を構築できるか？
• RQ2 sincカーネルGPの事後平均は、古典的シャノン＝ニクイスト標本化定理とどのように関係しているか？
• RQ3 sincカーネルはステレオアンプリチュード復調に有効に機能するか？また、既存のGPモデルと比較してどのように差がつくか？
• RQ4 ノイズや欠損観測がある不規則な時系列データにおいて、sincカーネルはロバストにバンドパスフィルタリングを可能にするか？
• RQ5 Nyquistに基づくスパース近似を用いた一般化sincカーネル（sincの和）は、スパースな誘導点を用いてマルチバンド信号をどれほど正確に再構成できるか？

主な発見

• sincカーネルは、PSDのコンパクトサポートのおかげで、サンプルパスがほとんど確実にバンド制限されることを保証する。
• sincカーネルGPにおける事後平均再構成は、シャノン＝ニクイスト標本化再構成と正確に一致し、理論的整合性が裏付けられた。
• 音声信号再構成において、PSDが長方形であるための鋭いスペクトル遷移を実現できる点が利点となり、GP-sincはGP-SMおよびスプライン法を上回る性能を発揮した。
• 心拍数信号の復調において、0.06以上のサンプリング周波数を超えて安定した再構成性能を達成し、Nyquistレートの予測と整合的であった。
• マウナ・ロアのCO2データのバンドパスフィルタリングにおいて、年間周期成分を非一様にサンプリングされた観測から正しく分離した。サンプリングレートは年間約3.3であり、Nyquistレートを上回っていた。
• Nyquistに基づくスパース近似を用いた一般化sincカーネルは、N=600の観測点のうちM=54の誘導点のみで正確な再構成を達成し、計算効率の高さを示した。