[论文解读] Minimum-latency Time-frequency Analysis Using Asymmetric Window Functions

Li Su, Hau‐Tieng Wu|arXiv (Cornell University)|Jun 29, 2016

Music and Audio Processing参考文献 38被引用 5

一句话总结

本文提出一种系统化方法，通过将对称窗转换为非对称最小相位窗，以最小化时频分析中的固有延迟，特别适用于实时应用。理论上证明，使用这些窗的同步挤压时频变换（SST）相比传统方法具有更低延迟；实验表明，在音乐节拍检测中延迟最高可降低40%，同时保持或提升性能。

ABSTRACT

We study the real-time dynamics retrieval from a time series via the time-frequency (TF) analysis with the minimal latency guarantee. While different from the well-known intrinsic latency definition in the filter design, a rigorous definition of intrinsic latency for different time-frequency representations (TFR) is provided, including the short time Fourier transform (STFT), synchrosqeezing transform (SST) and reassignment method (RM). To achieve the minimal latency, a systematic method is proposed to construct an asymmetric window from a well-designed symmetric one based on the concept of minimum-phase, if the window satisfies some weak conditions. We theoretically show that the TFR determined by SST with the constructed asymmetric window does have a smaller intrinsic latency. Finally, the music onset detection problem is studied to show the strength of the proposed algorithm.

研究动机与目标

• 定义并形式化时频表示（TFR）如STFT、SST和重分配法中的固有延迟，区别于滤波器组群延迟。
• 解决实时TF分析中固有延迟过高的瓶颈问题，尤其针对SST和重分配等非线性方法。
• 开发一种系统化方法，利用最小相位理论从对称窗构造非对称窗，以最小化延迟。
• 在低延迟应用中，特别是音乐节拍检测中，展示所提方法的有效性。

提出的方法

• 引入TFR中固有延迟的严格定义，即输入信号与输出谱估计之间最小时间延迟，区别于FIR滤波器群延迟。
• 提出通过最小相位合成，将对称窗转换为非对称窗，保持幅度谱不变的同时最小化相位延迟。
• 将最小相位变换应用于满足弱条件（如非负傅里叶变换）的窗，确保稳定性和最小延迟。
• 推导出SST使用非对称窗时，其固有延迟严格小于对称窗的理论条件。
• 采用同步挤压变换（SST）提升时频分辨率，并在短窗设置下减少频谱泄漏。
• 使用音乐节拍检测任务，以F-score为指标，验证方法在不同延迟水平下对称窗、非对称窗和最小相位窗的性能对比。

实验结果

研究问题

• RQ1 能否为时频表示（TFR）建立超越传统FIR滤波器群延迟的固有延迟的严格定义？
• RQ2 使用非对称窗如何影响SST和重分配等非线性TFR的固有延迟？
• RQ3 能否开发一种系统化方法，从对称窗构造非对称窗，以最小化延迟同时保持频谱内容？
• RQ4 在节拍检测任务中，固有延迟、频谱泄漏和性能之间的权衡是什么？
• RQ5 在何种延迟条件下，SST在实时应用中优于STFT？

主要发现

• 所提出的最小相位非对称窗构造方法相比对称窗将固有延迟降低最多40%，在13.18 ms延迟时，$h_{F, extup{MP}}$窗达到最优性能。
• 对于低延迟需求（$t^{h}_{l} < 5.6$ ms），SST使用$h_{0.30, extup{MP}}$窗优于STFT，F-score达79.8%，归因于更优的频谱重分配和在密集频点中减少的泄漏。
• $h_{F, extup{MP}}$窗在13.18 ms延迟时达到最优F-score 83.76%，而其非MP版本在21.95 ms延迟时为84.25%，表明延迟降低40%的同时性能损失极小。
• 当延迟非主要约束时，频谱特性如旁瓣抑制更为重要；$h_{B}$窗优于$h_{F}$窗，尽管两者固有延迟相同，但前者频谱泄漏更低。
• 在超低延迟场景（$t^{h}_{l} < 9.4$ ms）中，SST优于STFT，因其能重新分配频点能量，缓解短窗下的频谱泄漏。