[論文レビュー] Estimation of the Hurst Exponent Using Trimean Estimators on Nondecimated Wavelet Coefficients

Chen Feng, Brani Vidaković|arXiv (Cornell University)|Sep 26, 2017

Image and Signal Denoising Methods参考文献 12被引用数 6

ひとこと要約

本稿では、非減衰ウェーブレット係数にトリメアン推定器を適用することで、中央値と分位数に基づく重み付けを組み合わせることで、精度を向上させ、分散を低減するハースト指数のロバスト推定を提案する。この手法は、理論的および数値的評価において、VA、SSB、MEDL、MEDLAといった標準的なウェーブレットベースの手法を上回り、特に高分解能の瞳孔反応行動のようなノイズの多い高周波数データにおいて優れた性能を示す。

ABSTRACT

Hurst exponent is an important feature summarizing the noisy high-frequency data when the inherent scaling pattern cannot be described by standard statistical models. In this paper, we study the robust estimation of Hurst exponent based on non-decimated wavelet transforms (NDWT). The robustness is achieved by applying a general trimean estimator on non-decimated wavelet coefficients of the transformed data. The general trimean estimator is derived as a weighted average of the distribution's median and quantiles, combining the median's emphasis on central values with the quantiles' attention to the extremes. The properties of the proposed Hurst exponent estimators are studied both theoretically and numerically. Compared with other standard wavelet-based methods (Veitch $\&$ Abry (VA) method, Soltani, Simard, $\&$ Boichu (SSB) method, median based estimators MEDL and MEDLA), our methods reduce the variance of the estimators and increase the prediction precision in most cases. The proposed methods are applied to a data set in high frequency pupillary response behavior (PRB) with the goal to classify individuals according to a degree of their visual impairment.

研究の動機と目的

• 標準的なモデルが失敗するノイズの多い高周波数時系列におけるハースト指数のロバスト推定器の開発。
• 平均値ベースおよび中央値ベースのウェーブレット推定器の限界を克服するため、中央傾向と末端への感受性のバランスを取ったトリメアンベースのアプローチを導入。
• 非減衰ウェーブレット変換を用いて、ハースト指数推定の精度を向上させ、分散を低減。
• 視覚障害の程度を分類するため、高周波数の瞳孔反応行動（PRB）データにこの手法を適用。
• 非減衰ウェーブレットフレームワーク下での、提案されたトリメアンベース推定器の理論的漸近的性質の確立。

提案手法

• 一般トリメアン推定器（中央値と対称分位数の重み付き平均として定義）を、非減衰ウェーブレット変換（NDWT）からの対数ウェーブレット係数に適用。
• トリメアン推定器は中央値の中央値へのロバスト性と分位数の極端値への感受性を組み合わせ、中央値に代わる滑らかで外れ値に頑健な代替手段を提供。
• 対数変換された中エネルギーウェーブレット係数のレベルごとの分布を用い、$ D_{j,k} = (d_{j,k}^2 + d_{j,k+N_j/2}^2)/2 $ として定義することで、分散を安定化し、推定を改善。
• トリメアン推定器の理論的漸近正規性を導出。分数ブラウン運動下でのウェーブレット係数分布に基づき、平均と分散の明示的表現を提示。
• ウェーブレットレベル $ j $ に対するトリメアン推定値の重み付き回帰を用いて実装。回帰の勾配がハースト指数 $ H $ を推定。
• 2つの特殊ケース（ツイキーのトリメアンとガストヴァース推定器）が一般トリメアンフレームワークに組み込まれ、柔軟でロバストな推定を可能に。

実験結果

リサーチクエスチョン

• RQ1 非減衰ウェーブレット係数に一般トリメアン推定器を適用することで、既存のウェーブレットベースの手法よりも、よりロバストかつ正確にハースト指数を推定できるか？
• RQ2 外れ値や重尾ノイズを含む高周波数データにおいて、トリメアン推定器の中央値と分位数の重み付けのバランスが性能にどのように寄与するか？
• RQ3 分数ブラウン運動モデル下での、提案されたトリメアンベースのハースト指数推定器の理論的漸近的性質（平均と分散）は何か？
• RQ4 シミュレーションおよび実世界の高周波数データにおいて、VA、SSB、MEDL、MEDLAの手法と比較して、この手法は分散を低減し、予測精度を向上させるか？
• RQ5 高周波数の瞳孔反応行動（PRB）データを用いて、視覚障害の程度を効果的に分類できるか？

主な発見

• 提案されたトリメアンベースの推定器は、ベイッチ・アブリ（VA）、ソルタニら（SSB）、MEDL、MEDLAといった標準的なウェーブレットベースの手法と比較して、顕著に分散を低減した。
• ノイズや外れ値が存在する状況でも、トリメアン推定器の中央値と末端値への影響のバランスのおかげで、多数のテスト状況で予測精度が向上した。
• 理論的分析により、トリメアン推定器が分数ブラウン運動下でのウェーブレット係数分布に基づき、明確に定義された平均と分散を持つ漸近正規性を示すことが確認された。
• 特殊ケースとしてのガストヴァース推定器とツイキーのトリメアン推定器は、MEDL や MEDLA といった中央値のみの手法よりも、より優れたロバスティシティと性能を示した。
• 高周波数の瞳孔反応行動（PRB）データへの応用において、視覚障害の程度による分類を効果的に支援し、実用的価値を示した。
• 一般トリメアンフレームワークは、平均値および中央値ベースのウェーブレット推定器の代替として、柔軟で理論的根拠があり、経験的に優れた代替手段を提供する。