[論文レビュー] Biosignal Analysis with Matching-Pursuit Based Adaptive Chirplet Transform

Jie Cui, Dinghui Wang|arXiv (Cornell University)|Sep 25, 2017

Speech and Audio Processing参考文献 45被引用数 3

ひとこと要約

本稿では、非定常バイオシグナルの時間周波数解析を向上させるために、適応的チルプトランスフォーム（ACT）のための、期待値最大化（EM）を組み込んだ新規なマッチング・プロシュート（MPEM）アルゴリズムを提案する。粗い段階でチルプト辞書を直接用い、EMを用いてパラメータを精緻化することで、ノイズ耐性が向上し、信号表現がよりコンパクトになり、EEG、心音、発話などの多様なバイオシグナルにおいて、明瞭な時間周波数可視化が達成される。

ABSTRACT

Chirping phenomena, in which the instantaneous frequencies of a signal change with time, are abundant in signals related to biological systems. Biosignals are non-stationary in nature and the time-frequency analysis is a viable tool to analyze them. It is well understood that Gaussian chirplet function is critical in describing chirp signals. Despite the theory of adaptive chirplet transform (ACT) has been established for more than two decades and is well accepted in the community of signal processing, application of ACT to bio-/biomedical signal analysis is still quite limited, probably because that the power of ACT, as an emerging tool for biosignal analysis, has not yet been fully appreciated by the researchers in the field of biomedical engineering. In this paper, we describe a novel ACT algorithm based on the "coarse-refinement" scheme. Namely, the initial estimate of a chirplet is implemented with the matching-pursuit (MP) algorithm and subsequently it is refined using the expectation-maximization (EM) algorithm, which we coin as MPEM algorithm. We emphasize the robustness enhancement of the algorithm in face of noise, which is important to biosignal analysis, as they are usually embedded in strong background noise. We then demonstrate the capability of our algorithm by applying it to the analysis of representative biosignals, including visual evoked potentials (bioelectrical signals), audible heart sounds and bat ultrasonic echolocation signals (bioacoustic signals), and human speech. The results show that the MPEM algorithm provides more compact representation of signals under investigation and clearer visualization of their time-frequency structures, indicating considerable promise of ACT in biosignal analysis. The MATLAB code repository is hosted on GitHub for free download (https://github.com/jiecui/mpact).

研究の動機と目的

• 理論的有望性は示すが、バイオシグナル処理における適応的チルプトランスフォーム（ACT）の応用が限定的であるという問題に取り組む。
• 生体医療信号に一般的に見られる低信号対ノイズ比（SNR）環境における課題を克服する。
• 非定常バイオシグナルにおける多成分チルプ信号分解のための、強固で計算効率の良い手法を開発する。
• パターン認識や診断可能性の向上を目的に、時間周波数表現の明瞭さとスパarsity（スパarsity）を向上させる。
• バイオシグナルにおけるマッチング・プロシュートにおいて、ガボール・ロゴン辞書と比較してチルプト辞書を直接用いる利点を示す。

提案手法

• 粗い・精緻化のスキームを提案：チルプト辞書を用いたマッチング・プロシュート（MP）による初期チルプト推定。
• 推定されたパラメータ（時間スプレッド、中心周波数、チルプレート）を期待値最大化（EM）アルゴリズムで精緻化する。
• 時間変動する周波数成分を正確にマッチングできるように、ガウスチルプト関数を過完備辞書の原子として使用する。
• 残差信号との内積を最大化する最良のマッチングチルプト原子を繰り返し選択することで、スパース表現を実装する。
• チルプトをテンプレートとして用いることで、ガボールベースの手法と比較してノイズ耐性が向上するマッチドフィルタの原理を活用する。
• 再現可能性およびコミュニティ利用を目的に、GitHubにMATLABコードを公開する。

実験結果

リサーチクエスチョン

• RQ1 マッチング・プロシュートにおいて、ガボールベースの手法と比較して、直接チルプト辞書を用いることでバイオシグナルの時間周波数表現が改善されるか？
• RQ2 MPEMアルゴリズムは、視覚誘発電位のような低SNRバイオシグナル（例：約-10 dB）において、ノイズに対してどの程度の耐性を示すか？
• RQ3 粗い・精緻化戦略は、多成分チルプ分解において、計算コストをどの程度低減しつつも、精度を保持できるか？
• RQ4 MPEMアルゴリズムは、コウノトリのエコーロケーションや心音のような生体音響シグナルの複雑な時間周波数構造を効果的に表現できるか？
• RQ5 チルプトベースの辞書を用いることで、バイオシグナルにおける信号表現のスパarsity（スパarsity）と解釈可能性はどのように変化するか？

主な発見

• MPEMアルゴリズムは、時間変動する周波数成分を効率的に捉えることで、バイオシグナルのよりコンパクトな表現を可能にする。
• 視覚誘発電位、心音、発話などの信号の時間周波数可視化が、MPEM手法を用いることで著しく明瞭になる。
• 特に、SNRが低いバイオシグナル（例：単一試行のVEP、約-10 dB）において、ノイズ耐性が向上している。
• MPに直接チルプト辞書を用いることで、ガボールからチルプトへの分解で生じる「深く交差する」問題を回避し、重複する時間周波数領域での精度が向上する。
• 内在的なチルプト様特徴に適合するテンプレートの優位性により、従来のガボールベースMPに比べ、複雑な非定常バイオシグナルのマッチングがより良好に実現される。
• GitHubに公開されたオープンソースのMATLAB実装により、再現性が確保され、今後の生体医療信号処理研究分野への導入を促進する。