[论文解读] Distances between power spectral densities

Tryphon T. Georgiou|ArXiv.org|Jul 1, 2006

Morphological variations and asymmetry参考文献 12被引用 25

一句话总结

本文提出了一种基于最优预测与平滑滤波器中性能退化的新颖距离度量，用于衡量功率谱密度函数之间的差异。通过分析滤波器失配时误差方差的比值，推导出基于谱比广义均值的对数距离，使谱密度空间具备伪黎曼度量，并对内在发散性进行测地线表征。

ABSTRACT

We present several natural notions of distance between spectral density functions of (discrete-time) random processes. They are motivated by certain filtering problems. First we quantify the degradation of performance of a predictor which is designed for a particular spectral density function and then it is used to predict the values of a random process having a different spectral density. The logarithm of the ratio between the variance of the error, over the corresponding minimal (optimal) variance, produces a measure of distance between the two power spectra with several desirable properties. Analogous quantities based on smoothing problems produce alternative distances and suggest a class of measures based on fractions of generalized means of ratios of power spectral densities. These distance measures endow the manifold of spectral density functions with a (pseudo) Riemannian metric. We pursue one of the possible options for a distance measure, characterize the relevant geodesics, and compute corresponding distances.

研究动机与目标

• 开发反映实际滤波性能退化的功率谱密度函数之间的内在距离度量。
• 解决超越范数或概率度量（如Kullback-Leibler散度）的谱形貌差异量化问题。
• 通过基于滤波失配的伪黎曼度量，为谱密度建立几何框架。
• 表征该度量空间中的测地线，以实现谱密度之间内在距离的计算。
• 通过谱比的广义均值推广该方法，形成更广泛的基于形状的发散度量类别。

提出的方法

• 将距离度量定义为失配滤波器下预测误差方差与最优误差方差之比的对数。
• 推导出该距离为谱比 $ f_1/f_2 $ 的算术平均与几何平均之比的对数，得到 $ \delta_{\text{pred}}(f_1,f_2) = \log \left( \frac{\text{AM}(f_1/f_2)}{\text{GM}(f_1/f_2)} \right) $。
• 将相同原理应用于平滑滤波器，推导出 $ \rho_{\text{smooth}}(f_1,f_2) $ 为加权于 $ d\phi_1 $ 的 $ f_1/f_2 $ 的均方与算术平均平方之比。
• 提出广义距离 $ \delta_{r,s}(f_1,f_2) = \log M_r(f_1/f_2) - \log M_s(f_1/f_2) $，其中 $ M_r $ 表示 r 阶广义均值。
• 通过无穷小分析，推导出谱密度流形上的伪黎曼度量，从而实现测地线距离的计算。
• 通过证明谱比中的对数区间在该度量下满足测地线方程，表征测地线。

实验结果

研究问题

• RQ1 如何利用滤波性能退化来定义一种有意义且内在的功率谱密度之间的距离？
• RQ2 当通过预测与平滑误差比定义距离时，谱密度空间的几何结构是什么？
• RQ3 谱比 $ f_1/f_2 $ 的广义均值如何量化谱密度之间的形状差异？
• RQ4 在所提出的度量下，谱密度流形中的测地线路径是什么？如何计算？
• RQ5 与Kullback-Leibler或Bregman等既定发散度量相比，该距离度量在物理与几何解释上表现如何？

主要发现

• 基于预测的距离为 $ \delta_{\text{pred}}(f_1,f_2) = \log \left( \frac{1}{2\pi} \int_{-\pi}^{\pi} \frac{f_1(\theta)}{f_2(\theta)} d\theta \right) - \log \left( \exp \left( \frac{1}{2\pi} \int_{-\pi}^{\pi} \log \frac{f_1(\theta)}{f_2(\theta)} d\theta \right) \right) $，其值等于 $ f_1/f_2 $ 的算术平均与几何平均之比的对数。
• 对于平滑，退化比 $ \rho_{\text{smooth}}(f_1,f_2) $ 为加权于 $ d\phi_1 $ 的 $ f_1/f_2 $ 的均方与算术平均平方之比的平方，从而得到距离 $ \delta_{\text{smooth}}(f_1,f_2) = \log \rho_{\text{smooth}}(f_1,f_2) $。
• 两个谱密度之间的测地线距离可通过谱比中对数区间的长度计算，且在所推导的伪黎曼度量下满足测地线方程。
• 所提出的距离度量在 $ f_1 $ 或 $ f_2 $ 的缩放下保持不变，确保对幅度归一化具有鲁棒性。
• 该框架可推广至任意一对广义均值 $ M_r $ 与 $ M_s $，其中 $ \delta_{r,s}(f_1,f_2) = \log M_r(f_1/f_2) - \log M_s(f_1/f_2) $，从而提供一类广泛的基于形状的发散度量。
• 该构造与Bregman或Ali-Silvey发散度量有本质不同，因其源于滤波理论，而非概率或人为构造的数学形式。