[论文解读] On the extraction of instantaneous frequencies from ridges in time-frequency representations of signals

Dmytro Iatsenko, P. V. E. McClintock+1 more|arXiv (Cornell University)|Oct 27, 2013

Image and Signal Denoising Methods被引用 5

一句话总结

本文提出了一种高度自适应、无需参数调节的方法，通过动态路径优化与定点迭代技术从时频脊线中提取瞬时频率。该方法在无需用户调参的情况下，通过在时频峰值间优化脊线路径，实现了比现有技术更高的精度与速度，同时分析了同步挤压对脊线提取的影响。

ABSTRACT

The extraction of oscillatory components and their properties from different time-frequency representations, such as windowed Fourier transform and wavelet transform, is an important topic in signal processing. The first step in this procedure is to find an appropriate ridge curve: a sequence of amplitude peak positions (ridge points), corresponding to the component of interest. This is not a trivial issue, and the optimal method for extraction is still not settled or agreed. We discuss and develop procedures that can be used for this task and compare their performance on both simulated and real data. In particular, we propose a method which, in contrast to many other approaches, is highly adaptive so that it does not need any parameter adjustment for the signal to be analysed. Being based on dynamic path optimization and fixed point iteration, the method is very fast, and its superior accuracy is also demonstrated. In addition, we investigate the advantages and drawbacks that synchrosqueezing offers in relation to curve extraction. The codes used in this work are freely available for download.

研究动机与目标

• 解决长期存在的从信号时频表示（TFRs）中可靠提取脊线曲线的挑战。
• 开发一种通用适用且无需针对不同信号进行参数调节的脊线提取方法。
• 在模拟和真实世界数据上比较各种脊线提取算法的性能。
• 评估同步挤压在增强或复杂化脊线曲线识别中的作用。
• 为AM/FM信号中的瞬时频率估计提供一种快速、准确且开源的解决方案。

提出的方法

• 该方法使用动态规划，在所有可能的时频点脊线峰值序列上优化路径函数。
• 通过定点迭代法，基于连续时间步长间的幅度与频率一致性，迭代优化最优脊线路径。
• 核心函数引入一个加权函数，平衡峰值幅度（Q）与频率连续性（ν），并对大频率跳变施加惩罚。
• 在每个时间步长，通过递归更新路径效用函数U(m, tₙ)，计算每个脊线峰值的最优前驱。
• 通过将状态空间扩展为包含d步序列，该方法可推广至考虑多个先前时间步长（d > 1），尽管计算成本随O(Mₚ^{d+1}N)增长。
• 该方法通过矩阵运算高效实现，且通过依赖信号内在结构与自适应路径优化，避免了参数调节。

实验结果

研究问题

• RQ1 在无需用户定义参数的情况下，从时频表示中提取脊线曲线的最准确且最鲁棒的方法是什么？
• RQ2 与单步或局部峰值选择方法相比，动态路径优化如何提升脊线跟踪的准确性？
• RQ3 同步挤压在时频分析中以何种方式增强或阻碍脊线提取的准确性？
• RQ4 该方法在各类信号类型（包括噪声信号和多分量信号）中的表现如何？
• RQ5 是否可以设计一种脊线提取算法，既高度自适应又计算高效，且不牺牲准确性？

主要发现

• 所提出的动态路径优化方法在噪声和重叠分量存在的情况下，相比传统脊线跟踪技术展现出更优的精度。
• 该方法高度自适应，无需参数调节，适用于各种信号类型和时频表示。
• 该算法计算高效，时间复杂度为O(Mₚ²N)，在每帧中峰值数量适中的信号中具有良好的可扩展性。
• 同步挤压可提高频率分辨率，但可能因扭曲时频表示结构而使脊线提取复杂化，尤其当信号包含多个紧密间隔的分量时。
• 路径优化方法通过评估所有可能的转移路径，始终选择全局最优脊线路径，而单步方法可能陷入局部最优。
• 该方法在合成信号和真实世界信号（包括心血管动力学数据和机械故障数据）上均得到验证，展现出鲁棒性与实际应用价值。