[论文解读] Numerical Analysis for Iterative Filtering with New Efficient Implementations Based on FFT

Antonio Cicone, Haomin Zhou|arXiv (Cornell University)|Feb 5, 2018

Image and Signal Denoising Methods参考文献 5被引用 13

一句话总结

本文对迭代滤波（IF）方法在非平稳、非线性信号分解为本征模态函数（IMFs）方面进行了全面的数值分析。通过采用基于快速傅里叶变换（FFT）的实现方式，作者推导出一种直接计算方法，显著加速收敛并降低计算复杂度，实现近乎即时的信号分解——在不到一小时内即可处理包含数千万个点的信号，而传统IF方法则需数天时间。

ABSTRACT

Real life signals are in general non--stationary and non--linear. The development of methods able to extract their hidden features in a fast and reliable way is of high importance in many research fields. In this work we tackle the problem of further analyzing the convergence of the Iterative Filtering method both in a continuous and a discrete setting in order to provide a comprehensive analysis of its behavior. Based on these results we provide new ideas for efficient implementations of Iterative Filtering algorithm which are based on Fast Fourier Transform (FFT), and the reduction of the original iterative algorithm to a direct method.

研究动机与目标

• 在连续和离散设置下，对迭代滤波（IF）方法提供严格的收敛性分析。
• 解决IF中尚未解决的问题，包括停止准则的影响以及完整IMF分解的外层循环收敛性。
• 开发基于FFT的高效实现，显著降低计算成本，同时保持精度。
• 利用循环矩阵的性质和DFT/IDFT运算，建立IMF的直接、一步计算方法。
• 通过将迭代IF转化为快速、稳定且可扩展的算法，实现实际的大规模信号分析。

提出的方法

• 在连续和离散设置下对IF算法进行形式化收敛性分析，重点关注内层和外层循环。
• 通过离散逆傅里叶（DIF）变换推导出IMF的显式公式：IMF = IDFT((I - D)^N₀ DFT(s))。
• 利用FFT在O(n log n)时间内计算DFT和IDFT运算，替代迭代卷积。
• 预先计算不同滤波缩放参数下的特征值λₖ，以进一步加速算法。
• 提出快速迭代滤波（FIF）方法，通过谱分解在一步内计算IMF。
• 基于滤波器和信号特性，实现对迭代次数N₀的先验估计，避免不必要的迭代。

实验结果

研究问题

• RQ1 停止准则的选择如何影响迭代滤波中内层循环的收敛性和准确性？
• RQ2 在IF算法中，外层循环有限收敛的条件是什么？分解是否会在有限数量的IMF后终止？
• RQ3 能否利用循环矩阵的谱性质，将迭代IF过程转化为直接的非迭代方法？
• RQ4 如何利用基于FFT的技术，大幅降低大规模信号IF的计算复杂度？
• RQ5 不同滤波函数对谱分解及所得IMF质量有何影响？

主要发现

• 在连续和离散设置下，IF算法均收敛至有限数量的IMF，且不会引入虚假振荡。
• DIF方法提供了IMF的显式直接公式，将其表示为DFT系数的线性组合，从而实现一步计算。
• 快速迭代滤波（FIF）算法将数千万点信号的计算时间从数天缩短至一小时以内。
• 预先计算滤波器特征值λₖ可进一步加速FIF算法，适用于重复或批量处理。
• 该方法在信号扰动下具有稳定性，且经连续和离散公式证明不会产生虚假振荡。
• FIF实现代码已在线发布，利用FFT可实现对大规模非平稳信号的近乎即时分解。