[论文解读] The Synchrosqueezing algorithm: a robust analysis tool for signals with time-varying spectrum

Eugene Brevdo, Neven S. Fučkar+2 more|arXiv (Cornell University)|Apr 29, 2011

Neural Networks and Applications被引用 25

一句话总结

本文提出同步重分配变换（Synchrosqueezing transform）作为一种稳健的时间-频率分析工具，适用于时变频率和振幅的信号，证明其在有界扰动和高斯白噪声下的稳定性。该方法可精确分解非平稳信号，在古气候分析等地球科学应用中提供更深入的洞察。

ABSTRACT

We analyze the stability properties of the Synchrosqueezing transform, a time-frequency signal analysis method that can identify and extract oscillatory components with time-varying frequency and amplitude. We show that Synchrosqueezing is robust to bounded perturbations of the signal and to Gaussian white noise. These results justify its applicability to noisy or nonuniformly sampled data that is ubiquitous in engineering and the natural sciences. We also describe a practical implementation of Synchrosqueezing and provide guidance on tuning its main parameters. As a case study in the geosciences, we examine characteristics of a key paleoclimate change in the last 2.5 million years, where Synchrosqueezing provides significantly improved insights.

研究动机与目标

• 建立同步重分配变换在有界信号扰动和加性高斯白噪声下的理论稳定性。
• 提供同步重分配算法的实用实现指南，包括参数调优建议。
• 展示该方法在分析真实世界中含噪声或非均匀采样信号（尤其是古气候数据）方面的有效性。
• 提升具有快速变化频率分量的信号的时间-频率表示的分辨率与可解释性。

提出的方法

• 同步重分配变换基于瞬时频率估计，对短时傅里叶变换（STFT）系数进行重分配。
• 通过STFT相位导数实现时间-频率平面上能量的再分配，集中具有时变频率和振幅的成分。
• 通过分析重分配映射对信号偏差的敏感性，证明该方法在有界扰动下具有稳定性。
• 通过理论边界分析，建立加性高斯白噪声下时间-频率表示中期望误差的理论界限，从而确立其对噪声的鲁棒性。
• 提供实用实现方案，包括窗函数大小与频率分辨率的参数选择方法。
• 将该算法应用于古气候数据，以提取并分析与地球轨道参数变化相关的振荡分量。

实验结果

研究问题

• RQ1 同步重分配变换在输入信号有界扰动下的表现如何？
• RQ2 该变换在时间-频率分析中对加性高斯白噪声的鲁棒性如何？
• RQ3 如何有效调优并实现同步重分配算法，以处理真实世界中含噪声或非规则采样信号？
• RQ4 与传统时间-频率工具相比，该方法能否在古气候数据中揭示更清晰的振荡分量？

主要发现

• 理论证明同步重分配变换在有界扰动下具有稳定性，确保即使信号轻微失真，也能可靠提取分量。
• 该方法在加性高斯白噪声下保持高精度，误差边界与噪声水平成适当比例。
• 提供了实用的实现指南，包括针对不同信号类型的最优窗函数大小与频率分辨率选择建议。
• 在古气候数据中，同步重分配成功分离并清晰呈现了与米兰科维奇周期相关的振荡分量，相比标准方法具有更高的可解释性。
• 该算法显著提升了非平稳信号的时间-频率分辨率，能够更清晰地识别时变频率与振幅调制。