Optimal Calibration of the Endpoint-corrected Hilbert Transform

Sintesi Tecnica: Calibrazione Ottimale della Trasformata di Hilbert con Correzione dell'Endpoint

Definizione del Problema
La stima accurata e a bassa latenza della fase istantanea delle oscillazioni è critica per il sensing e l'attuazione in loop chiuso, particolarmente nei sistemi di neurostimolazione a fase bloccata (phase-locked) e nei sistemi di controllo in tempo reale. L'approccio standard prevede la costruzione di un segnale analitico tramite la Trasformata di Hilbert (HT) su una finestra scorrevole. Tuttavia, le implementazioni in tempo discreto che utilizzano la Trasformata Discreta di Fourier (DFT) assumono la periodicità all'interno della finestra. Quando il segnale non è perfettamente periodico attraverso i confini della finestra, questa ipotesi crea discontinuità che si manifestano come ringing di Gibbs, causando significativi artefatti di ampiezza e fase ai bordi della finestra. Poiché i sistemi in tempo reale si basano sull'ultimo campione disponibile (l'endpoint), questi artefatti di confine corrompono direttamente la stima critica della fase.

Sebbene la Trasformata di Hilbert con correzione dell'endpoint (ecHT) sia stata introdotta per mitigare tali problemi applicando un filtro a banda stretta causale allo spettro analitico, le sue distorsioni sistematiche all'endpoint hanno careca di un'analisi rigorosa e in forma chiusa. Le valutazioni precedenti sono state largamente empiriche, lasciando indefinita la natura del bias residuo e la strategia ottimale di correzione.

Metodologia
Questo studio fornisce una caratterizzazione analitica della ecHT basata sulla DFT. Gli autori derivano analiticamente l'operatore dell'endpoint per un segnale mono-tonale a banda stretta, decomponendo l'output della ecHT in due componenti distinte:

1. Un guadagno complesso deterministico ($G_+$): un termine a frequenza positiva che induce un bias di ampiezza e fase calibrabile.
2. Un termine di fuga residuo ($G_-$): un termine a frequenza negativa che sfugge alla maschera analitica e al filtro, creando un ripple dipendente dalla fase che varia con la fase istantanea.

Sulla base di questa decomposizione, il documento deriva una calibrazione scalare ottimale rispetto all'errore quadratico medio (MSE). Gli autori dimostrano che, per qualsiasi implementazione di ecHT, esiste uno scalare complesso unico $C_{opt}$ che minimizza l'errore tra l'output calibrato e il segnale analitico ideale. Questo scalare è derivato analiticamente come:
$$C_{opt} = \frac{E[\hat{Z}^* Z]}{E[|\hat{Z}|^2]}$$
dove $Z$ è il vero endpoint e $\hat{Z}$ è la stima ecHT. Geometricamente, questo rappresenta una proiezione ortogonale (un filtro Wiener scalare) che estrae l'informazione massimamente recuperabile in modo lineare. Gli autori dimostrano che $C_{opt}$ dipende solo dal guadagno in frequenza positiva e dalla fuga in frequenza negativa, che possono essere pre-calcolati per qualsiasi lunghezza di finestra, larghezza di banda del filtro, ordine e frequenza centrale senza l'uso di fitting basati sui dati.

Contributi Chiave

1. Decomposizione Analitica: Il documento stabilisce che gli errori della ecHT consistono in un bias sistematico correggibile (determinato da $G_+$) e in un pavimento di varianza irriducibile (determinato da $G_-$).
2. Calibrazione Ottimale (cecHT): Gli autori introducono la "ecHT calibrata" (cecHT), che applica lo scalare derivato $C_{opt}$ per eliminare il bias di fase sistematico. Ciò produce un errore di fase medio prossimo allo zero in condizioni stabili.
3. Regole di Progettazione: Lo studio fornisce limiti espliciti per gli errori di fase e di ampiezza all'endpoint e mette in relazione i parametri pratici di progettazione (lunghezza della finestra, larghezza di banda/ordine del filtro e disallineamento della frequenza centrale) con il bias residuo tramite un ritardo di gruppo all'endpoint.
4. Efficienza Computazionale: La calibrazione aggiunge un overhead trascurabile (una singola moltiplicazione complessa) alla pipeline esistente della ecHT basata su FFT con complessità $O(L \log L)$, preservando la compatibilità con il tempo reale.

Risultati
L'efficacia della cecHT è stata validata attraverso simulazioni e dati reali:

• Simulazioni: Nelle simulazioni mono-tonali, la cecHT ha ridotto costantemente l'errore di fase medio da circa 8,53° (ecHT non calibrata) a 0,40°, con una riduzione dell'errore massimo da 11,70° a 1,23°. La calibrazione ha reso l'algoritmo virtualmente indipendente dalle scelte dei parametri (larghezza di banda, ordine del filtro, deriva di frequenza), consentendo di sintonizzare i parametri per altri vincoli (es. robustezza al rumore) senza sacrificare l'accuratezza della fase.
• Onde Alfa EEG: Applicata al dataset delle onde Alfa EEG, la cecHT ha ridotto l'errore di fase medio dal 4,9% allo 0,0% ($p < 10^{-6}$) preservando il Phase Locking Value (PLV) e riducendo significativamente il Phase Lag Index (PLI), indicando la rimozione di un'asimmetria di fase.
• Tremore Essenziale: Nell'analisi dei dati del tremore, la calibrazione ha ridotto l'errore di fase medio da -15,9° a 5,2°. Combinando la tecnica con aggiornamenti periodici della frequenza centrale ($f_0$) per tracciare la deriva spettrale, l'errore medio è stato ulteriormente ridotto allo 0,0°, dimostrando che gli errori residui erano principalmente indotti dalla deriva piuttosto che intrinseci al metodo di calibrazione.

Significato e Rivendicazioni
Il documento sostiene che la cecHT offre una "sostituzione pratica e diretta" per le pipeline ecHT esistenti, fornendo un estimatore statisticamente robusto con chiare regole di progettazione. Separando il bias correggibile dalla fuga intrinseca, il framework offre sia uno strumento pratico per un miglioramento immediato, sia un linguaggio diagnostico per comprendere i limiti della stima di fase.

Gli autori sottolineano che, sebbene la calibrazione elimini il bias sistematico codificato nella risposta di fase del filtro, non può rimuovere il pavimento di errore irriducibile causato dalla fuga spettrale e dalla non-stazionarietà. Pertanto, il metodo ottiene stime non influenzate (unbiased) in condizioni stabili, con il jitter rimanente che riflette o i limiti dell'estimatore o l'instabilità genuina del segnale. Lo studio posiziona la cecHT come una soluzione intermedia tra i semplici filtri causali e i modelli adattivi complessi, adatta all'elaborazione di segnali neurali in tempo reale, a patto che la stabilità della frequenza e la robustezza agli artefatti siano gestite correttamente.