[论文解读] Vertex-Frequency Analysis on Graphs

David I Shuman, Benjamin Ricaud+1 more|arXiv (Cornell University)|Jul 22, 2013

Advanced Graph Neural Networks参考文献 23被引用 8

一句话总结

本文通过定义图特定的卷积、平移和调制算子，提出了一种适用于加权图上信号的广义窗化傅里叶变换。该方法实现了在任意无向连通加权图上的顶点-频率分析，应用于语谱图分析和信号自适应聚类，实现了与经典时频分析相似的频率分量直观定位。

ABSTRACT

One of the key challenges in the area of signal processing on graphs is to design dictionaries and transform methods to identify and exploit structure in signals on weighted graphs. To do so, we need to account for the intrinsic geometric structure of the underlying graph data domain. In this paper, we generalize one of the most important signal processing tools - windowed Fourier analysis - to the graph setting. Our approach is to first define generalized convolution, translation, and modulation operators for signals on graphs, and explore related properties such as the localization of translated and modulated graph kernels. We then use these operators to define a windowed graph Fourier transform, enabling vertex-frequency analysis. When we apply this transform to a signal with frequency components that vary along a path graph, the resulting spectrogram matches our intuition from classical discrete-time signal processing. Yet, our construction is fully generalized and can be applied to analyze signals on any undirected, connected, weighted graph.

研究动机与目标

• 开发一种适用于加权图上信号的顶点-频率分析框架，将经典时频工具扩展至不规则图域。
• 定义尊重加权图内在几何结构的广义平移和调制算子。
• 构建一种窗化图傅里叶变换，以实现对顶点间频率内容变化的局部化分析。
• 确保所得变换对顶点标签不变，并显式控制时空域中的局部化特性。
• 通过在真实图（如明尼苏达州道路网络）上的语谱图分析和信号自适应聚类，展示方法的实用性。

提出的方法

• 利用图拉普拉斯矩阵的特征分解，在图上定义广义卷积，以支持谱操作。
• 通过双图构造引入广义平移，使原始图上的平移对应于变换图上的卷积。
• 将广义调制定义为在拉普拉斯特征值经置换的对偶图上进行的平移，以实现频率搬移。
• 利用图傅里叶变换及其逆变换在顶点域与谱域之间映射信号，支持局部化分析。
• 通过组合平移和调制的核构建窗化图傅里叶框架，确保框架界限以实现稳定的信号表示。
• 将变换应用于路径图和真实图（如明尼苏达州道路网络），验证了其在频率定位上的直观性。

实验结果

研究问题

• RQ1 在缺乏平移不变性的前提下，如何将平移和调制推广至任意加权图上的信号？
• RQ2 能否在图上构建一种窗化傅里叶变换，使其在顶点域和频率域均保持局部化特性？
• RQ3 如何使所得变换对顶点标签不变，同时保持对时空域局部化的控制？
• RQ4 调制信号的谱展宽是多少？能否利用图的谱性质对其进行有界控制？
• RQ5 在真实图上，该方法在直观频率定位和信号表示方面表现如何？

主要发现

• 广义平移和调制算子成功实现了在任意无向连通加权图上的顶点-频率分析，且在路径图上的结果与经典直觉一致。
• 窗化图傅里叶变换生成的语谱图在顶点域和谱域中均能对频率分量实现局部化，类似于经典短时傅里叶变换。
• 调制核在图谱域中围绕期望的中心频率局部化，其展宽由参数 τ 和 τ̂ 显式控制。
• 在特定条件下，调制信号的谱展宽被有界为 O(Nτ²e^{τ²})，提供了对局部化的理论控制。
• 该方法通过识别具有相似频率内容的区域，实现了信号自适应图聚类，展示了实际应用价值。
• 该方法对顶点标签不变，并显式控制图上特征的空间变化。