[論文レビュー] Taking advantage of multiplet structure for lineshape analysis in Fourier space

Adrian Beckert, H. Sigg+1 more|arXiv (Cornell University)|May 11, 2020

Advanced Fiber Laser Technologies参考文献 33被引用数 3

ひとこと要約

本論文は、N回繰り返されるスペクトルピークの規則的なマルチプレット構造を活用して、ローレンツ型およびガウス型寄与を高感度かつ計算コストを低減して抽出するフーリエ空間ラインシープ分析（FLA）手法を提示する。フーリエ変換の振幅スペクトルに指数関数的エンベロープをフィットさせることで、Nに線形に比例する感度を達成し、複数ピークのフィッティングを伴わず、ノイズに強く耐性のあるボイチラインシープのデコンボリューションを可能にする。

ABSTRACT

Lineshape analysis is a recurrent and often computationally intensive task in optics, even more so for multiple peaks in the presence of noise. We demonstrate an algorithm which takes advantage of peak multiplicity (N) to retrieve line shape information. The method is exemplified via analysis of Lorentzian and Gaussian contributions to individual lineshapes for a practical spectroscopic measurement and benefits from a linear increase in sensitivity with the number N. The robustness of the method and its benefits in terms of noise reduction and order of magnitude improvement in run-time performance are discussed.

研究の動機と目的

• 周期的なピーク間隔を有する分光データにおける複数ボイチプロファイルのフィッティングに伴う計算負荷を軽減すること。
• マルチプレットスペクトルのラインシープ解析におけるノイズ耐性および感度を向上させること。
• フーリエ変換のエンベロープからローレンツ型およびガウス型寄与を直接的かつ安定的に抽出できること。
• 従来のマルチボイチフィッティング手法と比較して、実行時間の複雑性を低減すること。
• 反復的デコンボリューション手法の代替として、視覚的に確認可能な、計算効率の良い手法を提供すること。

提案手法

• N個の同一ピークがΔxの間隔で周期的に配置された信号を、ローレンツ型またはボイチプロファイルの和としてモデル化する。
• 信号にフーリエ変換を適用し、周期的エンベロープがサインカーブに似た関数で変調されたスペクトルを得る。
• フーリエ変換の振幅エンベロープを指数減衰関数にフィットさせ、ローレンツ型およびガウス型寄与を抽出する。
• 主な洞察は、エンベロープの減衰率がローレンツ型（寿命）およびガウス型（不規則性）の両方の線幅拡大機構が組み合わされたものとして直接符号化されていること。
• マルチプレット対称性を活用して信号対雑音比を向上させ、感度がNに線形に比例して増加すること。
• エンベロープに注目することで複雑な複数ピークフィッティングを回避し、高速かつ直接的なパrameter推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 周期的スペクトルピークのマルチプレット構造をフーリエ空間でのラインシープ解析の感度向上に活用できるか？
• RQ2 マルチプレット信号のフーリエエンベロープは、ローレンツ型およびガウス型幅拡大成分をどのように符号化するか？
• RQ3 標準的なマルチボイチフィッティングと比較して、この手法は計算コストをどの程度低減するか？
• RQ4 ピーク間隔の規則性が破れても、この手法はどの程度頑健か？
• RQ5 この手法はボイチプロファイルを超える他のラインシープ族へ一般化可能か？

主な発見

• 感度がピーク数Nに線形に増加し、弱い幅拡大成分の検出が著しく向上する。
• マルチプレット信号のフーリエ変換エンベロープは、指数関数的減衰を示し、ローレンツ型およびガウス型線幅拡大が直接符号化されている。
• 従来の複数ピークフィッティング手順と比較して、計算実行時間は桁違いに短縮される。
• ノイズに対して頑健であり、マルチプレットの和算効果により信号対雑音比が向上する。
• フーリエ変換振幅スペクトルの視覚的確認が可能で、信頼性が向上する。
• 個々のピークの反復的デコンボリューションを必要とせず、ローレンツ型およびガウス型寄与の正確なパrametrizationが可能である。