Cepstral FIR-Robust Classification: A Homomorphic-Deconvolution Descriptor in Space with a Generating Element

Resumen Técnico: Clasificación Robusta de Cepstrum con FIR

Planteamiento del Problema
La clasificación de señales se ve frecuentemente comprometida por distorsiones convolucionales, tales como efectos de multitrayectoria y respuestas de canal. Cuando una señal $x$ pasa a través de un canal lineal desconocido con una respuesta al impulso $h$, la salida $y = x * h$ resulta en un espectro de magnitud $|Y| = |X||H|$. Esta distorsión multiplicativa inclina los descriptores de perfil espectral, causando que los clasificadores entrenados con datos limpios fallen. Si bien el procesamiento homomórfico (transformación del log-espectro) convierte esta multiplicación en una perturbación aditiva ($\log|Y| = \log|X| + \log|H|$), los descriptores espectrales estándar siguen siendo frágiles porque el término del canal $\log|H|$ se concentra en las quefrecuencias bajas en el dominio cepstral. El artículo investiga si la eliminación de esta banda de baja quefrecuencia puede robustecer una clase específica de clasificadores basados en reconstrucción sin requerir la estimación o inversión explícita del canal.

Metodología
El estudio emplea un protocolo experimental estrictamente controlado para aislar el efecto de la representación de entrada:

• Conjunto de Datos: Datos de fallos de rodamientos CWRU (10 clases, 12 kHz) y datos de DroneRF (11 clases).
• Modelo de Distorsión: Canales de Respuesta al Impulso Finito (FIR) sintéticos con longitudes variables ($L \in \{1, 2, 3, 5, 8, 12\}$) y ecos de decaimiento exponencial. Los modelos se entrenan con datos limpios y se prueban con datos distorsionados.
• Clasificador: Un clasificador de reconstrucción específico de clase basado en DSGE (Descomposición en un Espacio con un Elemento Generador). La métrica específica utilizada es DB-MSED (Error Cuadrático Medio de la Descomposición de la Base de Descriptores de Logaritmo de la Descomposición), que se reduce a una distancia de Mahalanobis regularizada.
• Control de Representación: Para aislar el efecto de la representación, los autores aplican un flujo de trabajo idéntico tanto a la rama base (perfil espectral) como a la experimental (cepstrum con filtrado/liftering). Ambas se mapean al mismo conjunto de 11 descriptores de forma invariantes a la traslación (por ejemplo, asimetría, curtosis, percentiles).
• Filtrado (Liftering): La representación cepstral se procesa utilizando un filtro de límite inferior ($\ell$), que descarta los coeficientes por debajo de un índice de quefrecuencia específico. El parámetro principal se fija en $\ell=3$ basándose en estudios previos de RF.
• Líneas de Base (Baselines): El estudio compara el cepstrum con filtrado contra:
  1. Perfiles espectrales brutos.
  2. Cepstrum completo (sin filtrado).
  3. Controles de mitigación de canal espectral: Normalización de Media-Varianza Cepstral (CMVN), detendencia polinómica de grado 3 del log-espectro y filtrado RASTA.
  4. Un flujo de trabajo estándar de MFCC (11 coeficientes) alimentado a través del mismo encabezado DB-MSED, así como cabezales SVM y GMM.
• Validación: Se utilizan 15 divisiones repetidas y libres de fuga (leakage-safe). La significancia se evalúa mediante pruebas de Wilcoxon de una cola e intervalos de confianza de bootstrap del 95%.

Resultados Clave

• Ganancia de Robustez: Bajo distorsión FIR, la representación de cepstrum con filtrado ($\ell=3$) supera significativamente al perfil espectral cuando se utilizan descriptores idénticos. La puntuación macro-F1 mejora de 0.503 (espectral) a 0.596 (cepstral), una ganancia de $\Delta = +0.093$. Esta mejora es consistente en las 15 divisiones ($p = 3.05 \times 10^{-5}$) y no conlleva un coste en la precisión de datos limpios (0.680 frente a 0.677).
• Verificación del Mecanismo: El cepstrum "completo" (sin filtrado) colapsa bajo la distorsión FIR de la misma manera que el perfil espectral, demostrando que el cepstrum per se no es la fuente de la robustez. La robustez se logra específicamente eliminando la banda de baja quefrecuencia del canal.
• Realizaciones Alternativas: Una detendencia polinómica de grado 3 del log-espectro (que elimina la misma banda suave) logra una robustez comparable (0.616 macro-F1), confirmando que el principio es la "eliminación de la banda del canal" más que el uso específico de un cepstrum.
• Superioridad de MFCC: Un flujo de trabajo estándar de MFCC (que es, en sí mismo, una representación de cepstrum real con filtrado) sirve como una línea de base absoluta mucho más fuerte, logrando un macro-F1 de 0.845 bajo FIR con un encabezado SVM. Esto indica que, si bien el principio de eliminación de banda es sólido, el enfoque específico de "descriptores de forma" utilizado en este estudio descarta información valiosa de la envolvente que los coeficientes de MFCC sí retienen.
• Transferencia de Dominio: El filtro $\ell=3$ se transfiere con éxito a la modalidad DroneRF, produciendo una ventaja de +0.244 en macro-F1 sobre los perfiles espectrales, lo que sugiere que el principio se mantiene tanto en vibración mecánica como en radiofrecuencia.

Significancia y Reivindicaciones
El artículo se posiciona como un estudio explicativo y controlado más que como un referente de rendimiento de vanguardia (state-of-the-art). Sus principales contribuciones son:

1. Aislar el Efecto de la Representación: Demuestra que, para clasificadores basados en reconstrucción (DSGE/DB-MSED), eliminar la banda de baja quefrecuencia del canal hace que el sistema sea significativamente más robusto a la distorsión FIR sin necesidad de estimar el canal.
2. Definir el Mecanismo: Clarifica que la robustez proviene de la forma algebraica de la perturbación (aditiva en el dominio logarítmico, localizada en la baja quefrecuencia) y su posterior eliminación de esa banda, más que del hecho de que la transformada de cepstrum sea una solución "mágica".
3. Acotar la Elección del Descriptor: Los autores afirman explícitamente que su forma de descriptor-base DB-MSED no es la elección óptima para la precisión en datos convolucionales. Argumentan que los profesionales deberían preferir representaciones basadas en coeficientes, como MFCC o log-espectros con detendencia, que retienen más información de la envolvente.
4. Regla Operativa: El estudio concluye con una directriz práctica: para molestias de tipo convolutivo/multitrayectoria, las representaciones con eliminación de la banda del canal (cepstrums con filtrado o log-espectros con detendencia) son superiores a los perfiles espectrales brutos; sin embargo, si el objetivo es la máxima precisión, las codificaciones basadas en coeficientes (MFCC) son preferibles a los resúmenes de descriptores de forma.

Los autores reconocen limitaciones, incluyendo el uso de canales FIR sintéticos (inyectados) en lugar de multitrayectorias medidas en campo, así como la modesta precisión absoluta de la forma de base de descriptores en comparación con los flujos de trabajo estándar de MFCC. El trabajo sirve como una validación rigurosa del principio de deconvolución homomórfica dentro de un marco de reconstrucción específico no gaussiano.