自分が試そうと思っているダウンサンプリングの合理性を伺いたい

Question

今私が行っていることは、ダウンサンプリングを行っても心拍データによる機械学習の精度は落ちないのかの検証を行なっています。

一般的なダウンサンプリングは、間引きをして、折り返しノイズを防ぐためにローパスフィルタをかけるというやり方が主流だと思います。

今回私が試そうとしているのが、例えば下のような波形があった時に、隣接する4つのポイントの平均をとり、２ポイントずらしてまた４つのポイントの平均を取ることを繰り返していきデータ量を減らすやり方です。

引用 : https://qiita.com/non_cal/items/7c0f999845833a2f796d

私が試そうとしているこのやり方の合理性について伺いたいと思っております。
ご教授よろしくお願いします。

Comments

[toast-uz]

音声解析のライブラリはいくつかあり、音声データに適合したリサンプリング含め前処理の関数も提供されていますが、質問者様独自にリサンプリングの実装を試そうとされている目的は何でしょうか？

[iface]

回答ありがとうございます。
現在長時間録音された心拍データを効率よく学習させるために、ダウンサンプリングを用いてデータ量を減らそうという考えに至りました。
そこで、一般的なダウンサンプリングと隣接する数ポイントの平均をとってデータ量削減させるのではどちらが効率が良いのかと疑問に思ったところです。

[toast-uz]

音声ではなく心拍なんですね。承知しました。質問文に「音声」と記述されていますが「心拍」と修正されたほうがよいと思います。

[iface]

編集いたしました。
失礼しました。

[jbpb0]

> 隣接する4つのポイントの平均

移動平均もローパスフィルタなので、それが

> 折り返しノイズを防ぐためにローパスフィルタ

として適切なのか？ という話ですよね

移動平均のf特の振幅(の絶対値)は、
https://primemotion.com/filter-10
のグラフのように、周波数が高くなる(グラフの右方向)と、振動しながら減っていきます

減衰しつつ振動して、何度も現れる小さな山の高さ分の成分は、(小さくなるけど)消えずに残り、折り返しノイズになります
https://www.murmur-lab.com/2019/02/19/downsampling/

それが、その音声データを利用する目的に対して許容できる量なのかどうか、ということになると思います

[iface]

これは移動平均に基づく話だったんですね。
サイトもご提示いただきありがとうございます。
できればベストアンサーにさせていただきたいので回答していただいてもよろしいですか。

Answer 1

隣接する4つのポイントの平均

移動平均もローパスフィルタなので、それが

折り返しノイズを防ぐためにローパスフィルタ

として適切なのか？ という話ですよね

移動平均のf特の振幅(の絶対値)は、
【FIRフィルタ】第10回：単純移動平均処理振幅特性(ゲイン特性)まとめ　比較
のグラフのように、周波数が高くなる(グラフの右方向)と、振動しながら減っていきます

減衰しつつ振動して、何度も現れる小さな山の高さ分の成分は、(小さくなるけど)消えずに残り、折り返しノイズになります
ダウンサンプリングとLPF

それが、その音声データを利用する目的に対して許容できる量なのかどうか、ということになると思います

Answer 2

機械学習の精度は落ちないのか

いつも画像ばかり扱っていて信号については何とも言えませんが、少なくとも画像を扱う場合に例えば解像度を変えたとか手法を変えた、信号処理で言う「データを間引いた」が近いと思います――はよくある話です。
こういう場合には、F値だとかROC曲線を使うことがあります。ROCで言えば、曲線の面積が大きい方がイイといった具合です。

信号でも画像でも、出力は「あっているかあっていないか」ですので、入力が何であれ評価手法は共通な考え方で何とかなるだろう、と思います。

Comments

[iface]

回答ありがとうございます。
すいません、簡単にまとめさせていただくと、
フィルタをかける前後の波形の形が大体合っていれば、どんな評価方法でも結果はあまり変わらないという感じでしょうか。

[退会済みユーザー]

「どんな評価方法でも結果はあまり変わらない」ここ以外はOKと思います。
一番簡単なのは正解率ですが、そうもいかない例があるので（例えば何かを認識させる場合、医療のようにすり抜けるくらいなら過検出をした方がイイとか、すり抜けても後で何とかなるからザル目に狙っていこうぜとか、いやいやバランスよく見ようよであればさっきのF値を見たり）指標がそれなりにある感じです。ifaceさんがプログラムを変えた時に何か狙った結果からすり抜けてしまうのをを許すか、許さないか、バランスをとるかで指標が変わってくるイメージです。

> 入力が何であれ評価手法は共通な考え方
画像認識でも音声認識であっても、はたまたセンサーの値から何かを推論する場合であっても、入力の特性が違うだけで、評価指標の捉え方/選定の仕方は画像でも音声でも時系列データでも同じ考え方で進めていいでしょう、ということです。