[论文解读] Persistent Homology of Delay Embeddings

Saba Emrani, Thanos Gentimis+1 more|arXiv (Cornell University)|May 16, 2013

Topological and Geometric Data Analysis参考文献 17被引用 4

一句话总结

本文提出一种基于延迟坐标嵌入的持久同调拓扑方法，用于检测动力系统中的周期性结构，特别适用于呼吸音中的喘息检测。通过利用自相关类似函数选择最优延迟，并分析所得点云的拓扑结构，该方法能够稳健地识别谐波模式，即使在数据缺失的情况下也能实现准确且计算高效的喘息信号检测，将其建模为分段正弦波形。

ABSTRACT

The objective of this study is to detect and quantify the periodic behavior of the signals using topological methods. We propose to use delay-coordinate embeddings as a tool to measure the periodicity of signals. Moreover, we use persistent homology for analyzing the structure of point clouds of delay-coordinate embeddings. A method for finding the appropriate value of delay is proposed based on the autocorrelation function of the signals. We apply this topological approach to wheeze signals by introducing a model based on their harmonic characteristics. Wheeze detection is performed using the first Betti numbers of a few number of landmarks chosen from embeddings of the signals.

研究动机与目标

• 使用拓扑数据分析检测和量化动力系统中的周期性结构。
• 开发一种针对本质上具有谐波特性的呼吸音信号中喘息检测的稳健方法。
• 使用自相关类似（ACL）函数选择延迟坐标嵌入的最优时间延迟。
• 通过聚焦于全局拓扑结构而非局部几何特性，展示该方法对缺失数据点的鲁棒性。
• 在真实呼吸音信号上验证该方法，证明其能有效将喘息成分识别为分段正弦函数。

提出的方法

• 通过 $ X_i = (x_i, x_{i+j}, \dots, x_{i+(m-1)j}) $ 的二维延迟坐标嵌入对时间序列信号进行处理，其中 $ m=2 $，$ j $ 为索引延迟。
• 提出一种自相关类似（ACL）函数 $ R_{xx}(t_i) = \sum_{1 \leq l \leq k} x(t_i) x(t_l) $，用于在函数的前两个临界点之间选择延迟 $ \tau $。
• 对延迟嵌入生成的点云应用持久同调，通过条形码和贝蒂数提取拓扑特征，特别关注 $ \beta_1 $（表示周期性的1维孔洞）。
• 将喘息信号建模为具有时变频率和振幅的分段正弦函数，并通过证明其与模型的 $ \epsilon $-距离内，验证该建模的有效性。
• 利用过零点分析估计频率区间，利用临界点构建振幅包络，然后通过插值生成平滑的模型信号。
• 对点云进行子采样以减少计算量，仅关注关键的拓扑特征，而非完整的几何细节。

实验结果

研究问题

• RQ1 在仅具备最少先验信息的条件下，延迟坐标嵌入的持久同调能否可靠检测动力系统中的近似周期性结构？
• RQ2 如何利用自相关类似函数选择最优延迟，以在嵌入中保留谐波结构？
• RQ3 与传统信号处理方法相比，所提出的方法在喘息检测的准确性和对缺失数据的鲁棒性方面提升了多少？
• RQ4 喘息信号能否被有效建模为具有时变参数的分段正弦函数？这与延迟嵌入中的拓扑特征有何关联？
• RQ5 1维孔洞的拓扑持久性与喘息信号的物理参数（如频率和振幅）之间存在何种关系？

主要发现

• 当 $ \tau \neq k\pi $ 时，正弦信号的延迟坐标嵌入结果为以原点为中心的椭圆，证实了该方法能够捕捉谐波行为。
• 持久条形码显示出一条显著的1维条，其长度接近 $ \beta_s = A_s \sqrt{1 - \cos(\frac{2\pi}{T_s}\tau)} $，对应于嵌入中最小的椭圆，构成周期性的拓扑特征。
• 使用ACL函数的第二个过零点进行延迟选择可获得最具信息量的嵌入，从而提升检测性能。
• 该方法成功地将喘息信号建模为具有时变频率和振幅的分段正弦函数，且这些模型与实际信号之间的距离在 $ \epsilon $ 以内。
• 由于点云子采样和依赖于全局拓扑不变量而非局部几何保真度，该方法计算效率高且对缺失数据具有鲁棒性。
• 实验结果证实，延迟嵌入的持久同调能有效检测喘息信号，展示了该方法在临床和信号处理应用中的潜力。