[論文レビュー] Convergence analysis of Adaptive Locally Iterative Filtering and SIFT method

Antonio Cicone, Hau‐Tieng Wu|arXiv (Cornell University)|May 10, 2020

Structural Health Monitoring Techniques参考文献 46被引用数 5

ひとこと要約

本稿では、非定常信号に対して収束性を保証するための適応的局所反復フィルタリング（ALIF）の収束解析を提示し、非定常信号における収束性を証明している。さらに、同定周波数推定のためのシンクロスケューイング変換とALIFを組み合わせた、シンクロスケューイング反復フィルタリング技法（SIFT）を提案する。SIFTは、従来の手法と比較して、特にノイズの多い条件下でも優れた時間周波数集中度と低減されたスペクトル漏れを達成する。

ABSTRACT

Adaptive Local Iterative Filtering (ALIF) is a currently proposed novel time-frequency analysis tool. It has been empirically shown that ALIF is able to separate components and overcome the mode-mixing problem. However, so far its convergence is still an open problem, particularly for highly nonstationary signals, due to the fact that the kernel associated with ALIF is non-translational invariant, non-convolutional and non-symmetric. Our first contribution in this work is providing a convergence analysis of ALIF. From the practical perspective, ALIF depends on a robust frequencies estimator, based on which the decomposition can be achieved. Our second contribution is proposing a robust and adaptive decomposition method for noisy and nonstationary signals, which we coined the Synchrosqueezing Iterative Filtering Technique (SIFT). In SIFT, we apply the synchrosqueezing transform to estimate the instantaneous frequency, and then apply the ALIF to decompose a signal. We show numerically the ability of this new approach in handling highly nonstationary signals.

研究の動機と目的

• 実験的に成功しているものの、厳密な数学的解析が欠落している適応的局所反復フィルタリング（ALIF）の理論的収束フレームワークを確立すること。
• 従来の時間周波数手法がモード混合やスペクトル漏れに苦しむ、高非定常的かつノイズの強い信号の分解という課題に取り組むこと。
• 事前に定義された窓関数や基底選択に依存しない、ロバストで適応的な信号分解手法を開発すること。
• 干渉やノイズ汚染を最小限に抑えることで、多成分信号解析における時間周波数表現の質を向上させること。
• 複雑で現実世界の信号から、固有モード型（IMT）成分を安定的かつ正確に抽出できること。

提案手法

• 非畳み込み的で非対称的かつ非並進不変なカーネルを有するALIFの収束性を証明し、非定常信号への適用における理論的妥当性を確立する。
• 信号成分の瞬時周波数（IF）を推定するために、シンクロスケューイング変換（SST）を最初に適用する、ハイブリッド手法SIFTを導入する。
• 推定されたIFを基に、ALIFアルゴリズムを反復的に適用して信号を固有モード型（IMT）関数に分解する。
• 周波数が最も高い成分から順に逐次的にALIFを適用することで、スペクトル漏れを低減し、成分分離を改善する。
• 高いノイズレベル下でも性能を向上させるために、SIFT内にロバストな周波数推定器を採用し、固定窓パラメータに依存しないようにする。
• SSTおよびSIFTが生成する時間周波数表現（TFR）を比較することで、分解能、集中度、ノイズ耐性を評価する。

実験結果

リサーチクエスチョン

• RQ1 非畳み込み的かつ非対称なカーネルを持つ高非定常信号に対し、適応的局所反復フィルタリング（ALIF）アルゴリズムは収束するか？
• RQ2 シンクロスケューイング変換をALIFと効果的に統合することで、安定的かつノイズ耐性のある信号分解手法を構築できるか？
• RQ3 提案手法SIFTは、SSTやBPFといった既存手法と比較して、時間周波数集中度とノイズ耐性の面で優れているか？
• RQ4 SSTベースの分解において窓選択の影響は何か？SIFTはこの依存性を排除できるか？
• RQ5 SIFTにおける逐次的分解順序が、成分抽出の精度と安定性に与える影響は何か？

主な発見

• 非畳み込み的かつ非対称なカーネル構造を有するにもかかわらず、非定常信号に対してALIFが収束することが証明され、その適用に向けた理論的基盤が初めて確立された。
• 100回のノイズを含む実現において、SIFTは真値成分との平均相対差が0.5677（±0.0290）および0.4191（±0.0191）を示し、高い再構成精度を確認した。
• SIFTが生成する時間周波数表現（SIFT-TFR）は、特にノイズの多い条件下で、SST-TFRと比較してはるかに明瞭で、うねりが少なく、集中度が高い。
• 窓選択が最適でない場合でも、SIFTはSSTよりも背景ノイズとスペクトル漏れをより効果的に低減した。
• ノイズ環境下でもSSTおよびBPFを上回る性能を発揮し、手動による窓チューニングの必要性を排除する。窓フリーで適応的な分解フレームワークを提供する。
• 2次時間周波数手法で一般的なモード混合や干渉問題を効果的に軽減し、高い分解能と安定性を維持した。