[论文解读] Automatic cross-talk removal from multi-channel data

B. Allen, W. Hua+1 more|ArXiv.org|Sep 27, 1999

Network Traffic and Congestion Control参考文献 1被引用 24

一句话总结

本文提出一种自动、数据驱动的方法，通过估计环境噪声源（第2至N通道）与感兴趣信号（第1通道）之间的未知线性传输函数，从多通道时间序列数据中去除串扰污染。该方法利用频域线性滤波和基于相干性的阈值处理，最小化去噪后信号的方差，即使在耦合机制未知的情况下也能成功分离真实信号，如在引力波探测器原型中的验证所示。

ABSTRACT

A technique is described for removing interference from a signal of interest ("channel 1") which is one of a set of N time-domain instrumental signals ("channels 1 to N"). We assume that channel 1 is a linear combination of "true" signal plus noise, and that the "true" signal is not correlated with the noise. We also assume that part of this noise is produced, in a poorly-understood way, by the environment, and that the environment is monitored by channels 2 to N. Finally, we assume that the contribution of channel n to channel 1 is described by an (unknown!) linear transfer function R_n(t-t'). Our technique estimates the R_i and provides a way to subtract the environmental contamination from channel 1, giving an estimate of the "true" signal which minimizes its variance. It also provides some insights into how the environment is contaminating the signal of interest. The method is illustrated with data from a prototype interferometric gravitational-wave detector, in which the channel of interest (differential displacement) is heavily contaminated by environmental noise (magnetic and seismic noise) and laser frequency noise but where the coupling between these signals is not known in advance.

研究动机与目标

• 解决在耦合机制未知的情况下，从多通道时间序列数据中去除环境噪声污染的挑战。
• 开发一种技术，通过估计环境通道与感兴趣信号之间的线性传输函数，实现噪声减除。
• 通过利用辅助环境通道（第2至N通道）的数据，最小化第1通道中去噪后信号的方差。
• 提供一种统计上稳健的阈值方法，以避免在相干性分析中错误排除不存在的相关性。
• 在无需事先了解物理传输函数的情况下，揭示环境耦合的本质。

提出的方法

• 该方法将感兴趣信号（第1通道）建模为真实信号与噪声的线性组合，其中噪声包括通过未知线性传输函数 R_n(t - t') 从环境通道2至N引入的贡献。
• 使用离散傅里叶变换（DFT）将时域信号转换到频域，从而实现高效的乘法运算而非卷积运算。
• 核心技术通过最小化减去环境贡献后的残差信号方差，来估计传输函数 R_n。
• 利用感兴趣信号与每个环境通道之间的相干性 ρ² 作为统计度量，以识别显著的耦合关系。
• 基于概率分布 p(ρ²) = (F−1)(1−ρ²)^(F−2) 确定阈值 ρ*²，确保低误报率（例如，当 F=128 且 ρ*²=10/F 时，误报率约为 ~3×10⁻⁵）。
• 仅使用相干性高于阈值的通道来估计并减去污染成分，从而在最小化残余方差的同时保留真实信号。

实验结果

研究问题

• RQ1 当耦合传输函数未知时，如何自动从主信号中去除来自多个环境通道的串扰污染？
• RQ2 何种统计标准可可靠地区分多通道数据中真实的环境耦合与随机相关性？
• RQ3 相干性 ρ² 的最优阈值是什么？该阈值需在最小化真实耦合被错误排除的同时，保持信号保真度。
• RQ4 在耦合机制未知的真实条件下，该方法在最小化去噪后信号方差方面的表现如何？
• RQ5 该方法是否可在无需基于物理原理建模传输函数的情况下，提供对环境耦合机制本质的洞察？

主要发现

• 该方法在原型激光干涉引力波探测器中成功降低了污染，其中差分位移信号受到地震、磁场和激光噪声的严重影响。
• 当 F=128 且相干性阈值设为 ρ*²=10/F 时，错误移除不存在相关性的概率约为 3×10⁻⁵。
• 相干性 ρ² 的最优阈值由概率分布 p(ρ²) = (F−1)(1−ρ²)^(F−2) 推导得出，确保统计稳健性。
• 相干性平方的期望值为 <ρ²> = 1/F，为评估显著性提供了基准。
• 该方法通过仅使用数据驱动的传输函数估计，估计并减去环境通道的贡献，从而最小化去噪后信号的方差。
• 该技术通过识别对主信号污染有显著贡献的辅助通道，为理解环境耦合机制提供了洞察。