Time delay embeddings to characterize the timbre of musical instruments using Topological Data Analysis: a study on synthetic and real data

ملخص تقني: تضمين تأخير الوقت لتوصيف جرس الصوت عبر تحليل البيانات الطوبولوجية

بيان المشكلة
يُعد "جرس الصوت" (Timbre) سمة صوتية جوهرية تسمح بالتمييز بين المصادر الصوتية التي تشترك في نفس طبقة الصوت والجهارة. ويلعب دوراً حاسماً في استرجاع المعلومات الموسيقية وفصل المتحدثين. تعتمد التحليلات التقليدية على مقاييس قائمة على التردد (مثل حدة الصوت أو تسطح الطيف)، إلا أن هذه الطرق غالباً ما تواجه صعوبة في التقاط الغنى الإدراكي لجرس الصوت، الذي ينشأ عن التفاعلات المعقدة بين التوافقيات الصحيحة (المضاعفات الدقيقة للتردد الأساسي) والتوافقيات غير الصحيحة (الناجمة عن تأثيرات النقر، أو تغيرات تدفق الهواء، أو الضوضاء). وبينما يوفر تحليل البيانات الطوبولوجية (TDA) إطاراً صارماً لاستخراج "شكل" البيانات وتحديد الخصائص الهيكلية مثل الدورات والفراغات، إلا أن تطبيقه على جرس الصوت ظل محدوداً. ويتمثل العائق الرئيسي في غياب معايير راسخة لتمثيل الإشارات الصوتية أحادية البعد كـ "سحب نقاط" (point clouds) عالية الأبعاد مناسبة لـ TDA، وتحديداً فيما يتعلق باختيار معاملات تضمين تأخير الوقت.

المنهجية
تقترح الدراسة إطار عمل يجمع بين تضمين تأخير الوقت وتحليل البيانات الطوبولوجية لتوصيف الهياكل الجرسية. تتضمن المنهجية الأساسية ما يلي:

1. تضمين تأخير الوقت: يتم إعادة بناء إشارة الصوت أحادية البعد $x_t$ في فضاء عالي الأبعاد باستخدام متجه التضمين $X_d(x_t; \tau) = (x_t, x_{t+\tau}, \dots, x_{t+(d-1)\tau})$. وتركز الدراسة على تضمين ثنائي الأبعاد ($d=2$) لتحقيق التوازن بين التكلفة الحسابية واستخراج الميزات.
2. استخراج الميزات الطوبولوجية: باستخدام سحابة النقاط المضمنة، يتم إنشاء مجمع بسيط مرشح (تحديداً مجمع فيريتور-ريبس/Vietoris–Rips complex). يُطبق "التماثل المستمر" (Persistent Homology) لحساب أعداد بيتي ($\beta_0, \beta_1$)، والتي تقيس المكونات المتصلة والدورات (الثقوب).
3. تكميم جرس الصوت: لتكميم الاختلافات في جرس الصوت، تحدد الدراسة ميزة طوبولوجية $m$ كمسافة "واترستاين" (Wasserstein distance) بين مخطط الاستمرار للموجة محل التحليل ومخطط موجة جيبية نقية لها نفس التردد الأساسي. يقيس هذا المقياس الانحراف الهيكلي الناتج عن المحتوى التوافقي.
4. التحقق من البيانات الاصطناعية والحقيقية:
   • البيانات الاصطناعية: تم توليد إشارات بقوة توافقية محكومة ($a \in [0,1]$) وأنواع توافقية متغيرة (توافقيات صحيحة مثل الموجات المثلثية/المربعة، وتوافقيات غير صحيحة مثل الضوضاء الملونة).
   • البيانات الحقيقية: تم تحليل مجموعة بيانات NSynth (1,006 آلة موسيقية) باستخدام مقاطع زمنية تقابل أربع فترات أساسية، ممركزة عند ذروة السعة.

المساهمات الرئيسية والنتائج
تتقصى الدراسة بشكل منهجي كيف يؤثر معامل تأخير الوقت $\tau$ على اكتشاف الهياكل التوافقية:

• الحساسية لتأخير الوقت: الهيكل الهندسي لفضاء التضمين والميزات الطوبولوجية الناتجة حساسة للغاية لـ $\tau$. لا يوجد تأخير أمثل واحد لجميع أنواع الإشارات؛ بل إن تأخيرات محددة تعزز اكتشاف خصائص توافقية معينة.
• التوافقيات الصحيحة مقابل غير الصحيحة:
  • $\tau = T_0/2$ (نصف الفترة الأساسية): هذا التأخير فعال بشكل خاص للإشارات التي تحتوي على توافقيات ذات رتب صحيحة. بالنسبة للموجة الجيبية النقية، ينتج هذا التأخير مساراً مستقيماً (بدون ثقوب). إضافة التوافقيات الصحيحة تكسر هذا التماثل، مما يخلق هياكل ثقوب متميزة في فضاء التضمين يتم التقاطها عبر التماثل المستمر.
  • $\tau = T_0/4$ (ربع الفترة الأساسية): هذا التأخير أكثر فعالية في اكتشاف التوافقيات غير الصحيحة (المكونات الشبيهة بالضوضاء). تشكل الموجة الجيبية النقية عند هذا التأخير مساراً دائرياً. إضافة التوافقيات غير الصحيحة تعطل هذه الدائرة، مما يقلل من استمرارية هيكل الثقب.
• التمييز بين أشكال الموجات: نجحت الطريقة في التمييز بين أشكال الموجات التي تبدو متشابهة في أطياف التردد (مثل موجة جيبية مع توافقية مزاحة قليلاً مقابل توافقية صحيحة نقية). يلتقط TDA هذه الاختلافات كتغيرات في عدد واستمرارية الثقوب الطوبولوجية، وهي اختلافات قد تغفل عنها المقاييس الطيفية مثل "الحدة".
• التطبيق في العالم الحقيقي: عند تطبيق الطريقة على مجموعة بيانات NSynth، كشفت عن توزيعات متميزة لقيم الميزات الطوبولوجية عبر فئات الآلات الموسيقية. على سبيل المثال، أظهرت آلات الفلوت قيماً منخفضة لـ $\tau = T_0/2$ (مما يشير إلى توافقيات صحيحة أقل)، بينما أظهرت الجيتارات قيماً عالية لكلا التأخيرين، مما يشير إلى مزيج غني من التوافقيات الصحيحة وغير الصحيحة.

الأهمية والادعاءات
تدعي الورقة أن الطريقة المقترحة تقدم منظوراً جديداً للتحليل التوافقي عبر الاستفادة من الطوبولوجيا الجوهرية للبيانات الصوتية. تكمن الأهمية الرئيسية في إثبات أن:

1. ضبط المعاملات أمر بالغ الأهمية: اختيار تأخير الوقت ليس عشوائياً، بل يحدد أي الميزات التوافقية (الصحيحة مقابل غير الصحيحة) سيتم إبرازها في التحليل الطوبولوجي.
2. الحساسية المعززة: يمكن لـ TDA، عند اقترانه بتأخيرات زمنية محسنة، الكشف عن اختلافات هيكلية دقيقة في المحتوى التوافقي يصعب قياسها باستخدام الواصفات الطيفية الكلاسيكية.
3. الجدوى: الطريقة فعالة لكل من الإشارات الاصطناعية والأصوات الموسيقية الحقيقية.

تخلص المؤلفة بتواضع إلى أنه بينما تفتح هذه الطريقة آفاقاً جديدة لاستكشاف طوبولوجيا الصوت، فإن العمل المستقبلي مطلوب لمعالجة التكاليف الحسابية، وتوسيع الإطار ليشمل تضمينات أعلى الأبعاد للأصوات المعقدة (مثل الأوتار/الهارموني)، ودمج إحصاءات استمرار إضافية (مثل متوسط العمر) لتقييم أكثر شمولاً. لا تدعي الدراسة استبدال خطوط معالجة التعلم الآلي الموجودة، بل تهدف لتوفير أداة مكملة لاستخراج الميزات الهيكلية.