[论文解读] Convex Optimization approach to signals with fast varying instantaneous frequency

Matthieu Kowalski, Adrien Meynard+1 more|arXiv (Cornell University)|Mar 26, 2015

Image and Signal Denoising Methods参考文献 50被引用 4

一句话总结

本文提出 Tycoon，一种基于凸优化的时频分析方法，适用于瞬时频率快速变化的信号。通过将时频表示建模为一个约束最小化问题，以强制实现信号重建与时频集中，并利用 FISTA 求解，Tycoon 在非平稳信号（尤其是瞬时频率快速变化的信号）上，相比传统方法（如 STFT 或 SST）能获得更清晰、更自适应的表示。

ABSTRACT

Motivated by the limitation of analyzing oscillatory signals composed of multiple components with fast-varying instantaneous frequency, we approach the time-frequency analysis problem by optimization. Based on the proposed adaptive harmonic model, the time-frequency representation of a signal is obtained by directly minimizing a functional, which involves few properties an "ideal time-frequency representation" should satisfy, for example, the signal reconstruction and concentrative time frequency representation. FISTA (Fast Iterative Shrinkage-Thresholding Algorithm) is applied to achieve an efficient numerical approximation of the functional. We coin the algorithm as {\it Time-frequency bY COnvex OptimizatioN} (Tycoon). The numerical results confirm the potential of the Tycoon algorithm.

研究动机与目标

• 解决传统时频分析方法（如 STFT、CWT 和 SST）在处理瞬时频率快速变化信号时的局限性。
• 开发一种稳健且自适应的方法，能够准确分解具有时变振幅和频率的多分量信号。
• 满足关键要求：分量分离、时变频率与振幅的精确跟踪、精确的起始/终止时间检测、清晰的时频表示、抗噪性以及自适应能力。
• 克服现有方法（如 SST）的限制，后者要求瞬时频率缓慢变化，且对窗函数选择敏感。

提出的方法

• 将时频表示建模为一个凸优化问题，通过最小化包含期望属性（信号重建与时频平面集中）的泛函。
• 定义一种自适应谐波模型，其中每个分量表示为 $ A_k(t)\cos(2\pi\phi_k(t)) $，其中 $ A_k(t) > 0 $，$ \phi_k'(t) > 0 $，并允许振幅与频率非恒定。
• 在优化中施加约束，以确保解在时频域中稀疏且能准确重建原始信号。
• 使用 FISTA（快速迭代收缩阈值算法）高效求解非光滑凸优化问题。
• 引入广义固有模态类型函数（gIMT）以建模瞬时频率快速变化的信号。
• 通过优化泛函隐式实现类似重分配的策略，避免显式重分配步骤。

实验结果

研究问题

• RQ1 凸优化框架能否有效优于传统时频方法，更优地表示瞬时频率快速变化的信号？
• RQ2 如何通过优化同时实现时频表示的集中性与原始信号的重建？
• RQ3 Tycoon 算法在瞬时频率快速变化的信号上，相较于 SST 和 STFT 的性能优势有多大？
• RQ4 Tycoon 算法对参数选择（如 $ \mu $、$ \lambda $ 和 $ \gamma $）的敏感程度如何？能否推导出最优参数？
• RQ5 优化框架能否针对长信号实现计算高效？哪些策略（如滑动窗）可提升可扩展性？

主要发现

• Tycoon 在数值实验中成功生成了针对瞬时频率快速变化信号的清晰、集中的时频表示，优于 STFT 和同步挤压 STFT。
• 数值结果表明该算法对噪声具有鲁棒性，尽管理论上的噪声分析仍是开放问题。
• FISTA 有效求解了非光滑凸优化问题，但长信号的计算成本仍较高（例如，512 点信号约需 3 分钟）。
• 该方法对参数选择的敏感性低于预期，但最优参数选择尚未有理论确定。
• 在 STFT 中使用宽高斯窗（σ = 0.4）可提升快速变化信号的性能，但 Tycoon 仍表现更优，表明其基于优化的设计具有优势。
• Tycoon 算法能准确检测信号的起始与终止时间，满足分析瞬态分量的关键要求。