[논문 리뷰] Joint Time-Vertex Fractional Fourier Transform

Alikaşifoğlu, Tuna, Bünyamin Kartal외 2명|arXiv (Cornell University)|2022. 03. 15.

Molecular spectroscopy and chirality인용 수 4

한 줄 요약

이 논문은 시간-정점 그래프 신호에 대한 분수 프ур리에 분석을 확장한 연합 시간-정점 분수 프리에 변환(Joint Time-Vertex Fractional Fourier Transform, JFRT)을 소개한다. JFT(Joint Fourier Transform)의 일반화로서, JFRT는 시간 도메인과 그래프 스펙트럼 도메인 양쪽에 분수 순서를 적용함으로써 신호의 중간 도메인 표현을 가능하게 하여, 합성 및 실세계 메쉬 데이터에 대한 수치 실험에서 표준 JFT에 비해 노이즈 제거 및 클러스터링 성능 향상을 달성한다.

ABSTRACT

Graph signal processing (GSP) facilitates the analysis of high-dimensional data on non-Euclidean domains by utilizing graph signals defined on graph vertices. In addition to static data, each vertex can provide continuous time-series signals, transforming graph signals into time-series signals on each vertex. The joint time-vertex Fourier transform (JFT) framework offers spectral analysis capabilities to analyze these joint time-vertex signals. Analogous to the fractional Fourier transform (FRT) extending the ordinary Fourier transform (FT), we introduce the joint time-vertex fractional Fourier transform (JFRT) as a generalization of JFT. The JFRT enables fractional analysis for joint time-vertex processing by extending Fourier analysis to fractional orders in both temporal and vertex domains. We theoretically demonstrate that JFRT generalizes JFT and maintains properties such as index additivity, reversibility, reduction to identity, and unitarity for specific graph topologies. Additionally, we derive Tikhonov regularization-based denoising in the JFRT domain, ensuring robust and well-behaved solutions. Comprehensive numerical experiments on synthetic and real-world datasets highlight the effectiveness of JFRT in denoising and clustering tasks that outperform state-of-the-art approaches.

연구 동기 및 목표

• 비정규 그래프 구조에서 시간이 지남에 따라 변화하는 신호 처리에 있어 고급 스펙트럼 분석 도구의 필요성을 해결한다.
• 기존의 분수 프리에 변환(FRT)을 그래프 신호 처리(GSP) 도메인으로 확장하여 시간 및 정점(그래프) 도메인 양쪽에서 분수 분석을 가능하게 한다.
• 연합 프리에 변환(JFT)을 일반화하고 시간 변화하는 그래프 신호를 위한 통합적이고 매개변수화된 변환 프레임워크를 개발한다.
• 분수 순서에 기인한 추가 자유도를 활용하여 노이즈 제거 및 클러스터링과 같은 애플리케이션에서 신호 처리 성능 향상을 이룬다.
• JFRT의 이론적 성질을 수립한다. 이는 특정 조건 하에서의 지수의 덧셈 법칙, 가역성, 유니타리성 및 특수한 경우로 알려진 변환들로의 감소를 포함한다.

제안 방법

• 시간 도메인과 그래프(정점) 도메인 양쪽에 독립적으로 분수 프리에 변환을 적용하는 이중 매개변수 변환으로서 연합 시간-정점 분수 프리에 변환(JFRT)을 제안한다.
• 그래프 라플라시안의 고유분해와 시간 신호의 프리에 변환을 사용하여 JFRT를 정의하며, 텐서 곱 구조를 통해 두 도메인의 변환을 통합한다.
• 역 JFRT를 유도하고, 기반 그래프 프리에 변환이 유니타리일 경우 가역성, 지수의 덧셈 법칙, 유니타리성을 증명한다.
• JFRT 도메인에서 Tikhonov 정규화 기반 노이즈 제거 방법을 제안하며, 시간 및 그래프 도메인 양쪽에서 신호를 정규화하기 위해 연합 분수 라플라시안을 사용한다.
• JFRT를 이원 단계 프로세스로 구현한다: 먼저 각 정점별 시간 시계열에 분수 프리에 변환을 적용하고, 그 다음으로 정점 간에 그래프 분수 프리에 변환을 수행한다.
• 근접 이웃 그래프를 사용하여 공간 연결성을 모델링하고, 겹침이 있는 직사각형 윈도우를 적용하여 분석을 위한 시간 시계열을 추출한다.

실험 결과

연구 질문

• RQ1 분수 프리에 변환은 연합 시간-정점 그래프 신호로 일반화될 수 있는가? 이를 통해 중간 도메인 스펙트럼 분석이 가능해지는가?
• RQ2 다양한 그래프 구조에서 제안된 JFRT가 지수의 덧셈 법칙, 유니타리성, 가역성 등의 이론적 성질을 만족하는가?
• RQ3 표준 JFT 및 기타 하이브리드 변환에 비해 JFRT는 신호 노이즈 제거 및 클러스터링 성능에서 어떻게 향상되는가?
• RQ4 실세계 응용, 예를 들어 3D 메쉬에서의 운동 추적과 같은 과제에서 JFRT는 일반적인 JFT보다 더 뛰어난 성능을 발휘하는가?
• RQ5 JFRT는 JFT, 2D DFT, 2D DFRT를 특수한 경우로 포함하는 통합적 프레임워크로 기능할 수 있는가?

주요 결과

• JFRT는 표준 JFT보다 높은 클러스터링 정확도를 달성하며, -10 dB 및 -20 dB SNR 조건에서 분수 순서(예: 0.6–0.8)에서 최고 성능를 기록한다.
• -10 dB SNR 조건에서 최적의 JFRT 순서는 평균 클러스터링 정확도 약 92%를 달성하였으며, 일반적인 JFT 및 기타 하이브리드 구성보다 뚜렷하게 뛰어난 성능를 보였다.
• 20회의 시행에 걸친 클러스터링 정확도 분포는 분수 도메인에서 더 집중적이고 높은 수준을 보였으며, 이는 비분수 대안 대비 강건성과 향상된 성능를 시사한다.
• JFRT 기반 노이즈 제거 방법은 희박한 가우시안 노이즈(SNR -10 dB 및 -20 dB)를 효과적으로 억제하였으며, 표준 JFT 및 하이브리드 변환보다 뛰어난 성능를 보였다.
• JFRT는 순서 (1,1)에서 표준 JFT로 감소하고, (0,0)에서 항등원으로 감소하며, 방향성 원형 그래프에서 2D 이산 분수 프리에 변환으로 감소함을 확인하여 기존 변환들과의 일관성을 입증하였다.
• 기반 그래프 프리에 변환이 유니타리일 경우 JFRT는 유니타리이며, 지수의 덧셈 법칙과 가역성을 만족함으로써 그 수학적 타당성을 입증하였다.