[논문 리뷰] Biosignal Analysis with Matching-Pursuit Based Adaptive Chirplet Transform

Jie Cui, Dinghui Wang|arXiv (Cornell University)|2017. 09. 25.

Speech and Audio Processing참고 문헌 45인용 수 3

한 줄 요약

이 논문은 비정상적인 생체신호의 시간-주파수 분석을 향상시키기 위해 적응형 치플렛 변환(Adaptive Chirplet Transform, ACT)을 위한 새로운 기대-최대화 기반 매칭-퍼스위트(Matching-Pursuit with Expectation-Maximization, MPEM) 알고리즘을 제안한다. 거친 단계에서 직접 치플렛 사전을 사용하고, EM 알고리즘을 통해 매개변수를 정밀 조정함으로써, 노이즈에 대한 강건성 향상, 신호 표현의 밀도 증가, 다양한 생체신호(예: 뇌파, 심장음, 말소리)의 시간-주파수 시각화 품질 향상이 달성된다.

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).

연구 동기 및 목표

• 적응형 치플렛 변환(Adaptive Chirplet Transform, ACT)이 이론적으로는 유망하지만 생체신호 처리 분야에서의 응용이 제한되어 있는 문제를 해결한다.
• 의료 생체신호에서 흔한 저SNR 환경에서의 과제를 극복한다.
• 비정상적인 생체신호 내 다중 성분 치플렛 신호 분해를 위한 강건하고 계산 효율성이 높은 방법을 개발한다.
• 패턴 인식 및 진단 잠재력 향상을 위해 시간-주파수 표현의 명확성과 흩어름ness를 향상시킨다.
• 생체신호의 매칭 퍼스위트에서 Gabor 로고논 사전보다 치플렛 사전을 사용할 경우의 우수성을 입증한다.

제안 방법

• 거친-정밀 조정 전략 제안: 치플렛 사전을 사용한 매칭 퍼스위트(Matching Pursuit, MP)를 통해 초기 치플렛 추정 수행.
• 기대-최대화(Expectation-Maximization, EM) 알고리즘을 사용해 추정된 매개변수(시간 산란, 중심 주파수, 치플링 속도)를 정밀 조정.
• 시간에 따라 변화하는 주파수 성분을 매칭하기 위해 과잉정의된 사전에 가우시안 치플렛 함수를 원자로 사용.
• 잔여 신호와의 내적을 최대화하는 최적의 매칭 치플렛 원자를 반복적으로 선택함으로써 흐린 표현을 구현.
• 치플렛을 템플릿으로 사용해 일치 필터 원리를 적용함으로써, Gabor 기반 방법 대비 노이즈 강건성을 향상시킨다.
• 재현 가능성 및 공동 연구를 위해 GitHub에 MATLAB 코드를 공개.

실험 결과

연구 질문

• RQ1 매칭 퍼스위트에서 Gabor 기반 접근 방식과 비교해, 직접 치플렛 사전을 사용할 경우 생체신호의 시간-주파수 표현 품질이 향상되는가?
• RQ2 MPEM 알고리즘이 시각 유도 전위와 같은 저SNR 생체신호, 예를 들어 약 -10 dB에서의 단일 시험 VEP에 대해 노이즈에 얼마나 강건한가?
• RQ3 거친-정밀 조정 전략은 다중 성분 치플렛 분해에서 정확도를 유지하면서 계산 비용을 얼마나 줄일 수 있는가?
• RQ4 MPEM 알고리즘은 코끼리 빛의 방향성 탐지나 심장음과 같은 생물음향 신호의 복잡한 시간-주파수 구조를 효과적으로 표현할 수 있는가?
• RQ5 치플렛 기반 사전 사용이 생체신호의 표현에서 흩어름ness와 해석 가능성에 어떤 영향을 미치는가?

주요 결과

• MPEM 알고리즘은 시간에 따라 변화하는 주파수 성분을 효율적으로 캡처함으로써 생체신호의 더 밀도 높은 표현을 제공한다.
• 시각 유도 전위, 심장음, 말소리와 같은 신호의 시간-주파수 시각화가 MPEM 방법을 통해 상당히 명확해진다.
• 특히 뇌파와 같은 저SNR 생체신호, 예를 들어 약 -10 dB에서의 단일 시험 VEP에 대해 노이즈에 대한 강건성이 향상된다.
• MP에 직접 치플렛 사전을 사용함으로써 Gabor에서 치플렛으로의 분해 과정에서 흔히 발생하는 '깊은 교차' 문제를 피할 수 있어, 시간-주파수 영역이 겹치는 부분에서 정확도가 향상된다.
• 치플렛 특성에 맞는 템플릿을 사용함으로써 기존 Gabor 기반 MP보다 복잡한 비정상적 생체신호를 더 잘 매칭함으로써 성능이 뛰어나다.
• GitHub에 공개된 오픈소스 MATLAB 구현 코드는 재현 가능성을 보장하며, 향후 생체의학 신호 처리 연구 분야에서의 활용을 촉진한다.