Optimal Calibration of the Endpoint-corrected Hilbert Transform

Technische Samenvatting: Optimale Kalibratie van de Endpoint-gecorrigeerde Hilbert-transformatie

Probleemstelling
Nauwkeurige, lage-latentie schatting van de instantane fase van oscillaties is cruciaal voor closed-loop sensing en actuatie, met name voor fase-gelockte neurostimulatie en real-time controlesystemen. De standaardaanpak omvat het construeren van een analytisch signaal via de Hilbert-transformatie (HT) op een glijdend venster. Echter, discrete-tijd implementaties met behulp van de Discrete Fourier Transformatie (DFT) gaan uit van periodiciteit binnen het venster. Wanneer het signaal niet perfect periodiek is over de grenzen van het venster, creëert deze assumptie discontinuïteiten die zich manifesteren als Gibbs-ringing, wat significante amplitude- en faseverstoringen veroorzaakt bij de randen van het venster. Aangezien real-time systemen vertrouwen op de meest recente sample (het eindpunt), corrumperen deze rand-artefacten de kritieke fase-inschatting direct.

Hoewel de endpoint-gecorrigeerde Hilbert-transformatie (ecHT) werd geïntroduceerd om deze problemen te mitigeren door een causale, smalbandige filter toe te passen op het analytische spectrum, ontbrak het aan een principiële, gesloten vorm analyse van de systematische endpoint-verstoringen. Eerdere evaluaties waren grotendeels empirisch, waardoor de aard van de residuele bias en de optimale strategie voor correctie ongedefinieerd bleven.

Methodologie
Deze studie biedt een analytische, DFT-gebaseerde karakterisering van de ecHT. De auteurs leiden de endpoint-operator analytisch af voor een smalbandig single-tone signaal, waarbij de output van de ecHT wordt gedecomposeerd in twee onderscheidende componenten:

1. Een deterministische complexe gain ($G_+$): Een positieve-frequentie term die een kalibreerbare amplitude- en fasebias induceert.
2. Een residuele lekkage-term ($G_-$): Een negatieve-frequentie term die ontsnapt aan het analytische masker en de filter, wat een fase-afhankelijke rimpeling creëert die varieert met de instantane fase.

Op basis van deze decompositie leidt het artikel een Mean-Squared-Error (MSE)-optimale scalaire kalibratie af. De auteurs bewijzen dat er voor elke ecHT-implementatie een unieke complexe scalaire $C_{opt}$ bestaat die de fout tussen de gekalibreerde output en het ideale analytische signaal minimaliseert. Deze scalaire is analytisch afgeleid als:
$$C_{opt} = \frac{E[\hat{Z}^* Z]}{E[|\hat{Z}|^2]}$$
waarbij $Z$ het ware eindpunt is en $\hat{Z}$ de ecHT-inschatting. Geometrisch gezien vertegenwoordigt dit een orthogonale projectie (een scalaire Wiener-filter) die de maximaal lineair herwinbare informatie extraheert. De auteurs demonstreren dat $C_{opt}$ alleen afhankelijk is van de positieve-frequentie gain en de negatieve-frequentie lekkage, die zonder data-gestuurde fitting kunnen worden vooraf berekend voor elke vensterlengte, filterbreedte, orde en centrumfrequentie.

Belangrijkste Bijdragen

1. Analytische Decompositie: Het artikel stelt vast dat ecHT-fouten bestaan uit een corrigeerbare systematische bias (bepaald door $G_+$) en een irreducibele variantie-vloer (bepaald door $G_-$).
2. Optimale Kalibratie (cecHT): De auteurs introduceren de "gekalibreerde ecHT" (cecHT), die de afgeleide scalaire $C_{opt}$ toepast om de systematische fasebias te elimineren. Dit resulteert in een bijna nul-gemiddelde fasefout onder stabiele condities.
3. Ontwerpregels: De studie biedt expliciete grenzen voor endpoint fase- en amplitude-fouten en relateert praktische ontwerpparameters (vensterlengte, filterbreedte/orde en centrumfrequentie-mismatch) aan de residuele bias via een endpoint group delay.
4. Computationele Efficiëntie: De kalibratie voegt verwaarloosbare overhead toe (één complexe vermenigvuldiging) aan de bestaande $O(L \log L)$ FFT-gebaseerde ecHT-pipeline, waardoor real-time compatibiliteit behouden blijft.

Resultaten
De effectiviteit van de cecHT werd gevalideerd via simulaties en real-world data:

• Simulaties: In single-tone simulaties reduceerde de cecHT de gemiddelde fasefout consistent van ongeveer 8,53° (ongekalibreerde ecHT) naar 0,40°, met een maximale reductie van de fout van 11,70° naar 1,23°. De kalibratie maakte het algoritme vrijwel onafhankelijk van parameterkeuzes (breedte, filterorde, frequentie-drift), waardoor parameters getuned konden worden voor andere beperkingen (bijv. ruis-robuustheid) zonder de fase-nauwkeurigheid op te offeren.
• EEG Alpha Waves: Toegepast op de EEG Alpha Waves Dataset, reduceerde de cecHT de gemiddelde fasefout van 4,9° naar 0,0° ($p < 10^{-6}$) terwijl de Phase Locking Value (PLV) behouden bleef en de Phase Lag Index (PLI) significant werd verminderd, wat wijst op de verwijdering van fase-asymmetrie.
• Essential Tremor: Bij tremor-data-analyse reduceerde kalibratie de gemiddelde fasefout van -15,9° naar 5,2°. Wanneer gecombineerd met periodieke updates van de centrumfrequentie ($f_0$) om spectrale drift te volgen, werd de gemiddelde fout verder gereduceerd tot 0,0°, wat aantoont dat de residuele fouten primair drift-geïnduceerd waren in plaats van intrinsiek aan de kalibratiemethode.

Betekenis en Claims
Het artikel claimt dat de cecHT een "praktische drop-in vervanging" biedt voor bestaande ecHT-pipelines, met een statistisch robuuste estimator en duidelijke ontwerpregels. Door de corrigeerbare bias te scheiden van de intrinsieke lekkage, biedt het framework zowel een praktisch instrument voor directe verbetering als een diagnostische taal om de limieten van fase-inschatting te begrijpen.

De auteurs benadrukken dat hoewel kalibratie de systematische bias elimineert die gecodeerd is in de fase-respons van de filter, het de irreducibele fout-vloer veroorzaakt door spectrale lekkage en niet-stationariteit niet kan verwijderen. Daarom bereikt de methode unbiased schattingen onder stabiele condities, waarbij de resterende jitter de limiterende factoren van de estimator of de werkelijke signaalinstabiliteit reflecteert. De studie positioneert de cecHT als een tussenoplossing tussen eenvoudige causale filters en complexe adaptieve modellen, geschikt voor real-time neurale signaalverwerking, mits frequentiestabiliteit en artefact-robuustheid worden beheerd.