[论文解读] Spectral Processing of COVID-19 Time-Series Data

Susan L. McGovern|arXiv (Cornell University)|Aug 13, 2020

COVID-19 epidemiological studies参考文献 15被引用 4

一句话总结

本文提出先进的谱处理技术——使用IIR滤波器和基于傅里叶的频域方法——以改善新冠疫情时间序列数据的平滑处理并分离短期振荡。结果表明，这些方法在消除相位失真和更有效地抑制高频噪声方面优于广泛使用的七日移动平均法，揭示了美国死亡率数据中持续存在的8–21天振荡。

ABSTRACT

The presence of oscillations in aggregated COVID-19 data not only raises questions about the data's accuracy, it hinders understanding of the pandemic. Spectral analysis is used to reveal additional properties of the data, and the oscillations are replicated using sinusoidal resynthesis. The precise behavior of the seven-day moving average is also discussed, specifically, the cause of its jaggedness and the phase error it introduces. In comparison, other filtering techniques and Fourier processing produce superior smoothing and have zero phase error. Both of these are presented, and they are extended to isolate several frequency ranges. This extracts some of the same short-term variability that is resynthesized, and it shows that fluctuations with periods between 8 and 21 days are present in U.S. mortality data. These methods have applications that include modeling epidemiological time-series data as well as identifying less obvious properties of the data.

研究动机与目标

• 为解决聚合新冠疫情时间序列数据中的问题性振荡，这些振荡会妨碍准确的趋势分析，可能源于报告不一致。
• 研究七日移动平均法的局限性，特别是其相位失真和对高频噪声抑制不充分的问题。
• 开发并比较先进的谱滤波技术——椭圆IIR滤波器和基于傅里叶的频域处理——以实现更优的数据平滑和振荡分离。
• 识别并分析美国死亡率数据中被传统平滑方法掩盖的短期周期性波动（8–21天）。
• 证明谱重构能够准确再现观测到的振荡，包括双峰模式，为周数据变异性提供预测性见解。

提出的方法

• 对日新增病例和死亡人数的一阶差分进行谱分析，以增强对短周期振荡（如3.5天、2.33天）的可见性，并检测谐波成分。
• 使用汉宁窗的3.5天窗口（193天）进行短时傅里叶变换，可视化0.1–0.475/天范围内的频率成分，对幅值进行归一化以便比较。
• 实现椭圆IIR滤波器和基于傅里叶的频域滤波，采用相同的传递函数，以比较性能并确保方法一致性。
• 设计低通、高通和带通滤波器，以选择性地去除或隔离特定频带，包括8–21天的振荡。
• 采用正弦信号重构方法，从谱成分中重建振荡，验证该方法再现原始数据形状的能力。
• 通过比较不同方法的滤波输出验证结果，确认IIR与基于傅里叶的方法之间近乎完美的吻合。

实验结果

研究问题

• RQ1 在多个国家的每日新冠疫情病例和死亡人数中观察到显著振荡的原因是什么？
• RQ2 七日移动平均法如何引起振荡的相位失真，并且为何无法充分抑制高频噪声？
• RQ3 谱滤波技术（如IIR和基于傅里叶的方法）是否能在平滑处理和保持相位完整性方面优于七日移动平均法？
• RQ4 美国死亡率数据中存在哪些在标准平滑技术下不可见的周期性波动？
• RQ5 谱重构在多大程度上能准确再现时间序列数据中的观测振荡行为？

主要发现

• 七日移动平均法引入相位误差，且无法完全抑制高频振荡，导致出现锯齿状、具有误导性的趋势。
• 谱分析揭示了多个国家中存在7天、3.5天和2.33天的振荡，后两者为7天周期的谐波。
• 椭圆IIR滤波器与基于傅里叶的频域处理产生几乎完全一致的结果，证实了方法的一致性与可靠性。
• 带通滤波成功从美国死亡率数据中分离出周期在8至21天之间的振荡，表明存在未被标准平滑方法去除的持续短期变异性。
• 正弦信号重构成功再现了原始数据的波形、极小值、极大值及双峰模式，验证了谱建模的准确性。
• 时间序列数据中包含显著的非周期性振荡（如低病例期，例如早期数据），这些是谱泄漏的产物，但数学上可被恢复。