[论文解读] Current state of nonlinear-type time-frequency analysis and applications to high-frequency biomedical signals

Hau‐Tieng Wu|arXiv (Cornell University)|Mar 31, 2020

Fault Detection and Control Systems参考文献 147被引用 5

一句话总结

本文综述了非线性类型时频（TF）分析方法，重点介绍同步挤压变换（SST）、ConceFT 和去形状算法，这些方法可提升高频生物医学信号的分辨率和抗噪能力。这些工具能够将复杂、非正弦波形、信噪比较低的信号（如 PPG、PVP、ta-mECG 和呼吸流速信号）准确分解为具有生理意义的分量，适用于临床分析。

ABSTRACT

Motivated by analyzing complicated time series, nonlinear-type time-frequency analysis became an active research topic in the past decades. Those developed tools have been applied to various problems. In this article, we review those developed tools and summarize their applications to high-frequency biomedical signals.

研究动机与目标

• 解决具有时变振幅、频率和波形的高频、多分量、非平稳且信噪比较低的生物医学信号分析挑战。
• 克服传统线性时频方法在分辨紧密间隔或非正弦波形振荡分量方面的局限性。
• 开发并应用非线性类型时频工具，实现单通道盲源分离（scBSS）的生理分量分离。
• 实现对瞬时频率、振幅调制和波形动态的精确估计，以提取临床生物标志物。
• 提升在超长信号（如14天 ECG 记录）中对噪声和伪影的鲁棒性，以支持临床实际部署。

提出的方法

• 将同步挤压变换（SST）应用于连续小波变换（CWT），在时频平面上重新分配能量，使其集中于真实的瞬时频率（IF）分量周围。
• 提出频率与时间集中度（ConceFT），一种广义的时频表示方法，利用非正交窗函数以去相关噪声结构，并在非平稳和异方差噪声条件下保持性能稳定。
• 基于短时倒谱变换（STCT）和逆 STCT（iSTCT）开发去形状算法，利用频率与周期之间的互逆关系，从谐波成分中分离出基频瞬时频率。
• 使用 iSTCT 作为非线性掩码，从频谱图中去除谐波倍频分量，生成仅保留基频振荡分量的精细化时频表示（TFR）。
• 将相位信息与去形状 TFR 结合，进一步增强时频表示的锐度，形成去形状 SST 以实现更高分辨率。
• 探索其他替代方法，如拉马努金去形状（RDS）、Tycoon（基于凸优化的 TFR）和 JEFAS（频率、振幅和谱的联合估计），以提升鲁棒性和准确性。

实验结果

研究问题

• RQ1 非线性类型时频分析在提升高频、非正弦波形和低信噪比生物医学信号的分辨率与可解释性方面有何改进？
• RQ2 同步挤压与 ConceFT 在临床信号分析中，对非平稳和异方差噪声的鲁棒性提升程度如何？
• RQ3 去形状算法能否有效从复杂生理信号（如 ta-mECG 和 PPG）的谐波成分中分离出基频振荡分量？
• RQ4 非线性 TF 工具如何实现单通道盲源分离（scBSS），以分离出母体与胎儿 ECG 或呼吸与血流动力学振荡等生理上不同的分量？
• RQ5 现有非线性 TF 方法的实际局限性是什么？如何通过新型框架（如拉马努金去形状或基于凸优化的 TFR 构建）加以解决？

主要发现

• 同步挤压变换（SST）通过将能量重新分配至真实瞬时频率分量，显著提升了时频分辨率，尤其在应用于连续小波变换（CWT）时效果更明显。
• ConceFT 通过利用非正交窗函数去相关噪声结构，展现出更强的抗噪鲁棒性，在非平稳和异方差噪声条件下优于传统方法。
• 去形状算法通过利用倒谱域提取周期性信息的能力，成功从谐波丰富的信号中分离出基频瞬时频率。
• 去形状 SST 能够从 PPG 信号中准确估计瞬时心率和呼吸频率，并实现从 ta-mECG 中更优的胎儿 ECG 提取，显著提升信噪分离能力。
• 拉马努金去形状（RDS）框架通过采用周期变换改进了 iSTCT，展现出更强的鲁棒性，并在 ta-mECG 分析中初步取得成功。
• 这些工具的应用包括心率变异性（HRV）、QT 间期变异性量化以及胎儿心律失常筛查，展示了其在超长 ECG 和母胎监测中的临床相关性。