[논문 리뷰] Relevant sampling of the short-time Fourier transform of time-frequency localized functions

Gino Angelo Velasco|arXiv (Cornell University)|2017. 07. 30.

Mathematical Analysis and Transform Methods참고 문헌 23인용 수 8

한 줄 요약

이 논문은 시간-주파수 국소화된 함수의 단기 푸리에 변환(STFT)에 대해 관련 샘플링 프레임워크를 수립한다. 즉, 컴acts한 시간-주파수 영역 Ω 내에서 충분히 조밀한 무작위 샘플 집합이 고도로 제어 가능한 확률로 샘플링 부등식을 만족함을 보여준다. 주요 기여는 시간-주파수 국소화된 함수의 STFT에 대해 확률적 샘플링 부등식을 제시함으로써, Bass와 Gröchenig의 관련 샘플링 접근법을 가보르/STFT 설정으로 확장한 것이다.

ABSTRACT

We study the random sampling of the short-time Fourier transform of functions that are localized in a compact region in the time-frequency plane. We follow the approach introduced by Bass and Gröchenig for band-limited functions, and show that with a high, controllable probability, a sufficiently dense set of local random samples from the region of concentration in the time-frequency plane yields a sampling inequality for the short-time Fourier transform of time-frequency localized functions on the region.

연구 동기 및 목표

• 시간-주파수 영역 Ω ⊂ ℝ²에 국소화된 함수의 STFT에 대해 관련 샘플링 이론을 개발하기 위해.
• 원래 대역 제한 함수에 대해 고안된 관련 샘플링 접근법을 STFT를 통해 시간-주파수 국소화된 함수로 확장하기 위해.
• 시간-주파수 영역 Ω에 국한된 무작위 국소 샘플을 사용하여 STFT에 대한 샘플링 부등식을 수립하기 위해.
• Ω 위에서 충분히 조밀한 무작위 샘플 집합이 시간-주파수 국소화된 함수의 안정적 재구성 가능성을 높은 확률로 보장하기 위해.
• 최소 제곱 최적화를 통해 국소 STFT 샘플로부터 근사 재구성을 수행하기 위해.

제안 방법

• 시간-주파수 국소화 연산자 $ H_{\text{Ω,φ}} $ 를 사용하여 Ω에 $ (\varepsilon, \varphi) $-집중된 함수를 정의한다.
• 고유값이 γ보다 큰 첫 N개의 고유함수에 의해 생성되는 부분공간 $ V_N $ 를 고려한다.
• 측도 집중 및 연산자 노름 한계를 활용하여 $ V_N $ 내 함수에 대해 먼저 무작위 샘플링 부등식을 증명한다.
• 오차 한계 $ \| (I - \mathcal{P}_{V_N})f \|_2^2 \leq \frac{\varepsilon}{1 - \gamma} \|f\|_2^2 $ 를 사용하여 일반적인 $ (\varepsilon, \varphi) $-집중 함수에 대해 결과를 확장한다.
• 최소 제곱 최적화를 통해 $ V_N $ 위에서 근사 재구성을 수행하며, 이는 공액 기울기 방법으로 해결된다.

실험 결과

연구 질문

• RQ1 컴acts한 시간-주파수 영역 Ω 내에서 무작위로 국소적으로 샘플링된 집합이 시간-주파수 국소화된 함수의 STFT에 대해 안정적인 샘플링 부등식을 제공할 수 있는가?
• RQ2 Ω 위에서 충분히 조밀한 무작위 샘플 집합이 시간-주파수 국소화된 함수의 STFT에 대해 샘플링 부등식을 보장할 확률은 얼마인가?
• RQ3 집중도 파라미터 ε 과 부분공간 $ V_N $ 이 국소 STFT 샘플로부터 시간-주파수 국소화된 함수를 재구성할 때 오차에 미치는 영향은 어떠한가?
• RQ4 유한한 수의 무작위 샘플로 제한된 Ω에서 함수의 STFT를 어느 정도 재구성할 수 있는가?
• RQ5 상대 오차 측면에서 국소 STFT 샘플로부터의 최소 제곱 재구성의 정량적 성능은 어떠한가?

주요 결과

• 시간-주파수 영역 Ω에 $ (\varepsilon, \varphi) $-집중된 함수 $ f $ 에 대해, 샘플 집합 $ \Lambda_\Omega \subset \Omega $ 가 충분히 조밀할 경우 고도로 제어 가능한 확률로 샘플링 부등식이 성립한다.
• Ω 내에서 300개의 무작위 샘플을 사용한 최소 제곱 재구성 오차는 $ B \cdot \frac{\varepsilon}{1 - \gamma} \|f\|_2^2 $ 로 유계이며, $ \gamma = 1/2 $ 일 때 이론적 오차 한계는 매우 집중된 함수에 대해 약 $ 1.69 \times 10^{-4} $ 로 도출된다.
• 수치 실험 결과, 집중도가 낮은 함수($ \varepsilon_1 \approx 0.03 $)의 상대 오차는 $ 3.35 \times 10^{-2} $ 이었고, 더 집중된 함수($ \varepsilon_2 \approx 1.8 \times 10^{-9} $)의 경우 $ 2.07 \times 10^{-7} $ 로 이론적 오차 한계를 확인한다.
• 함수 $ f \in V_N $ 이고 샘플 집합이 프레임을 이룰 경우 정확한 재구성이 달성되며, 47회의 공액 기울기 반복 후 오차가 $ 10^{-12} $ 수준으로 도달한다.
• 이 방법은 밀도 및 집중도 파라미터를 조절함으로써 샘플링 성공 확률을 제어할 수 있는 확률적 프레임워크를 제공한다.
• 결과는 Bass와 Gröchenig의 관련 샘플링을 STFT 및 가보르 프레임 맥락으로 일반화하며, 국소화된 신호에 대한 비정규 가보르 프레임에 대한 새로운 통찰을 제공한다.