[논문 리뷰] Multidimensional Iterative Filtering method for the decomposition of high-dimensional non-stationary signals

Antonio Cicone, Haomin Zhou|arXiv (Cornell University)|2015. 07. 26.

Machine Fault Diagnosis Techniques참고 문헌 14인용 수 3

한 줄 요약

이 논문은 다차원 비정상 신호를 내재 모드 함수(IMF)로 분해하기 위해 확장된 포커-플랑크(FP) 필터를 사용하는 다차원 반복 필터링(MIF) 방법을 제안한다. 이 방법은 데이터 적응형, 매끄럽고 컴act 지원을 갖춘 필터를 활용하여 안정적이고 수렴 가능한 분해를 달성하며, 2차원 및 3차원 신호, 특히 실제 고분광 영상 데이터에서 혼합된 성분을 효과적으로 분리함을 보여준다.

ABSTRACT

Iterative Filtering (IF) is an alternative technique to the Empirical Mode Decomposition (EMD) algorithm for the decomposition of non-stationary and non-linear signals. Recently in [1] IF has been proved to be convergent for any $L^2$ signal and its stability has been also showed through examples. Furthermore in [1] the so called Fokker-Planck (FP) filters have been introduced. They are smooth at every point and have compact supports. Based on those results, in this paper we introduce the Multidimensional Iterative Filtering (MIF) technique for the decomposition and time-frequency analysis of non-stationary high-dimensional signals. And we present the extension of FP filters to higher dimensions. We illustrate the promising performance of MIF algorithm, equipped with high-dimensional FP filters, when applied to the decomposition of 2D signals. [1] A. Cicone, J. Liu, and H. Zhou, Adaptive local iterative filtering for signal decomposition and instantaneous frequency analysis, arXiv:1411.6051, 2014.

연구 동기 및 목표

• 구조적 건강 모니터링, 예술 분석, 고분광 영상 등에서 비정상적 고차원 신호의 시간-주파수 분석 문제를 해결한다.
• 기존 선형 방법(예: 푸리에, 웨이브릿)과 EMD/EEMD의 한계를 극복하기 위해 최적화 기반이 아닌 데이터 적응형 분해 기법을 개발한다.
• 일차원 반복 필터링(IF)의 수렴성 및 안정성 성질을 일반화된 포커-플랑크 필터를 사용해 다차원 신호로 확장한다.
• 2차원 및 3차원 영역에서 부드럽고 비부드러운 성분 등 다양한 특성을 가진 신호의 분해를 가능하게 한다.
• MIF를 사전 처리로 적용하여 고분광 영상에서 기존 분류기의 성능을 향상시키고, 오류 경고를 감소시킨다.

제안 방법

• 비정상적 고차원 신호를 위한 1차원 반복 필터링의 확장으로 다차원 반복 필터링(MIF) 알고리즘을 제안한다.
• 1차원 FP 필터 프레임워크에서 유도된, 컴팩트한 지원과 매끄러움을 갖춘 고차원 포커-플랑크(FP) 필터를 도입한다.
• 스플라인 보간 대신 FP 필터를 기반으로 한 컨volution 기반 이동 평균 계산을 사용하여 엄밀한 수렴 분석이 가능하도록 한다.
• 반복 필터링 과정을 적용: 잔차에서 필터-컨볼루션된 신호 성분을 빼서 IMF 후보를 계산하고 수렴할 때까지 반복한다.
• IMF를 반복 필터링 단계의 극한으로 정의하여 이동 평균이 0이 되고 내재 모드 함수 성질을 만족하도록 한다.
• 합성 혼합 신호와 실제 고분광 영상 포함 2차원 및 3차원 신호에 MIF를 적용하고, ACE 분류기로 후처리를 수행한다.

실험 결과

연구 질문

• RQ1 반복 필터링 방법이 비정상적 고차원 신호를 다룰 수 있도록 일반화될 수 있는가? 이 과정에서 수렴성과 안정성이 유지되는가?
• RQ2 포커-플랑크 필터는 어떻게 고차원으로 확장되어 매끄럽고 컴팩트한 지원을 유지하면서 효과적인 신호 분해를 가능하게 하는가?
• RQ3 MIF는 다차원 신호에서 성질이 다른 성분(예: 부드럽고 비부드러운 성분)을 효과적으로 분리할 수 있는가?
• RQ4 MIF는 고분광 영상 분석과 같은 후행 신호 분류 작업의 성능을 향상시킬 수 있는가?
• RQ5 고차원에서 MIF 알고리즘의 수렴성을 보장하는 이론적 조건은 무엇이며, 이는 필터 설계와 어떻게 관련되는가?

주요 결과

• MIF 알고리즘은 단일 고정 FP 필터를 사용하여 2차원 합성 신호를 명확한 IMF로 분해하여 부드럽고 비부드러운 성분을 효과적으로 분리함을 확인하였다.
• 2차원 예제에서 첫 번째 IMF는 비부드럽고 비정상적인 특징을 포착하였고, 두 번째 IMF는 부드럽고 정상적인 신호를 나타내어 효과적인 성분 분리가 이루어졌음을 입증하였다.
• 고분광 영상 분석에서 MIF 사전 처리를 통해 ACE 기반 분류에서 오류 경고가 감소하였고, 잡음과 잡음 유사 신호를 제거하여 정확도가 향상되었다.
• 사전 기저 선택이나 최적화를 요구하지 않고도 데이터 기반 필터링에 의존하여 안정적인 분해를 달성하였다.
• 다차원 포커-플랑크 필터의 사용으로 매끄럽고 컴팩트한 지원을 갖춘 필터링이 가능하여 신호 특징을 유지하면서도 수렴성을 확보하였다.
• 결과적으로 MIF는 데이터 적응성과 안정성이 핵심인 다차원 환경에서 EMD 및 EEMD의 유망한 대안임을 시사한다.