[論文レビュー] Time-frequency representation of nonstationary signals: the IMFogram

Philippe Barbe, Antonio Cicone+2 more|arXiv (Cornell University)|Nov 28, 2020

Sensor Technology and Measurement Systems被引用数 10

ひとこと要約

本稿では、非定常信号の局所的周波数および振幅成分を、高速反復フィルタリング（FIF）アルゴリズムから得られる固有モード関数（IMF）を活用することで可視化する新規な時間周波数表現「IMFオグラム」を提案する。データ駆動型の分解と洗練された可視化を組み合わせることで、特に遷移的で chirp 様の成分を、周波数スメアリングが低減され、モード分離が向上した形で、従来のスペクトログラムよりも明確に捉えることができる、高精度な時間周波数分解能を達成する。

ABSTRACT

Iterative filtering methods were introduced around 2010 to improve definitions and measurements of structural features in signal processing. Like many applied techniques, they present considerable challenges for mathematicians to theorize their effectiveness and limitations in commercial and scientific usages. In this paper we recast iterative filtering methods in a mathematical abstraction more conducive to their understanding and applications. We also introduce a new visualization of simultaneous local frequencies and amplitudes. By combining a theoretical and practical exposition, we hope to stimulate efforts to understand better these methods. Our approach acknowledges the influence of Ciprian Foias, who was passionate about pure, applied, and applications of mathematics.

研究の動機と目的

• 従来の手法よりも、非定常信号における局所的周波数および振幅ダイナミクスをより効果的に捉えることのできる新しい時間周波数表現を開発すること。
• 線形的・二重線形な時間周波数表現の限界、特に非定常状態下での周波数スメアリングや分解能の低さを是正すること。
• 群論的枠組みを用いて時間的・空間的インデックスを統一的に扱うことで、反復フィルタリング手法の応用範囲を拡大すること。
• 信号成分の解釈可能性を向上させる実用的で数学的に根拠のある可視化ツール（具体的にはIMFオグラム）を提供すること。
• 反復フィルタリングおよびその変種の収束性、安定性、数学的基盤に関するさらなる理論的考察を促すこと。

提案手法

• 本手法は、信号を局所的周波数および振幅変調を保持する有限個の固有モード関数（IMF）に分解する高速反復フィルタリング（FIF）アルゴリズムを用いる。
• 各IMFは、信号の局所的極値およびエンベロープ構造に基づいて更新されるデータ適応型フィルタを繰り返し畳み込むことで得られる。
• IMFオグラムは、各IMFの瞬時周波数および振幅を2次元の時間-周波数-振幅平面にマップすることで構築され、周波数および振幅の時間的変化を同時に可視化可能となる。
• 多解像度解析を可能とするため、周波数-振幅空間を分割して使用することで、関心領域における分解能を向上させる。
• 空間的および時間的インデックスを一様に取り扱うことで、2次元温度場などの多次元信号へ一般化可能な群論的枠組みを導入する。
• 合成 chirp シグナル、ピアノ録音、および全球2次元温度データを用いて検証を行い、スペクトログラムおよび経験的モード分解（EMD）と比較した。

実験結果

リサーチクエスチョン

• RQ1 非定常信号において、局所的周波数および振幅変動を高分解能で同時に捉えることのできる時間周波数表現は、どのように設計可能か？
• RQ2 反復フィルタリング手法の安定性および収束性を保証する数学的・アルゴリズム的基盤は何か？
• RQ3 IMFオグラムは、スペクトログラムと比較して、密に近接した周波数成分や時間変動する周波数成分をどれほど明確に解離できるか？
• RQ4 反復フィルタリングおよびIMFオグラムは、空間的・時間的気候データなどの多次元信号へ一般化可能か？
• RQ5 IMFオグラムと、スペクトログラムのような古典的時間周波数表現との理論的関係は何か？

主な発見

• 図1に示すように、時間変動するノイズに埋め込まれたchirp信号に対しても、IMFオグラムはスペクトログラムよりも著しく明確な時間周波数表現を提供する。
• ピアノ録音において、4番目から7番目のIMFは、スペクトログラムと比較して、より明確な時間的・周波数的局在化を示しながら、個々の音と倍音を効果的に分離している（図2）。
• FIFアルゴリズムは、ピアノ音の基本周波数と倍音を効果的に分離でき、4番目のIMFが上部のG音を捉え、5番目のIMFが初期のD音を捉えている。
• 2次元全球温度データにおいて、FIF2アルゴリズムは、赤道域の温暖化、大陸域の冷却、ヒマラヤ山脈やグレートレイクスのような地域的低気圧を反映する意味のあるIMFを抽出した。
• IMFオグラムは、異なる緯度および経度における温度データの広範な傾向と変動を明らかにし、季節的および地域的気候的特徴に対応する明確なIMFが観察された。
• IMFオグラムは、遷移的で非定常な成分の解離においてスペクトログラムを上回っており、実世界の応用における自動周波数同定および信号解析の可能性を示唆している。