論文の概要: Autoencoder-Based Parameter Estimation for Superposed Multi-Component Damped Sinusoidal Signals

• arxiv url: http://arxiv.org/abs/2604.03985v1
• Date: Sun, 05 Apr 2026 06:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.862771
• Title: Autoencoder-Based Parameter Estimation for Superposed Multi-Component Damped Sinusoidal Signals
• Title（参考訳）: 重畳された多成分減衰正弦波信号のオートエンコーダによるパラメータ推定
• Authors: Momoka Iida, Hayato Motohashi, Hirotaka Takahashi,
• Abstract要約: ノイズ減衰正弦波信号における各成分の周波数,位相,減衰時間,振幅を推定するオートエンコーダに基づく手法を開発した。 提案手法は,挑戦的な設定であっても高い精度でパラメータを推定できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Damped sinusoidal oscillations are widely observed in many physical systems, and their analysis provides access to underlying physical properties. However, parameter estimation becomes difficult when the signal decays rapidly, multiple components are superposed, and observational noise is present. In this study, we develop an autoencoder-based method that uses the latent space to estimate the frequency, phase, decay time, and amplitude of each component in noisy multi-component damped sinusoidal signals. We investigate multi-component cases under Gaussian-distribution training and further examine the effect of the training-data distribution through comparisons between Gaussian and uniform training. The performance is evaluated through waveform reconstruction and parameter-estimation accuracy. We find that the proposed method can estimate the parameters with high accuracy even in challenging setups, such as those involving a subdominant component or nearly opposite-phase components, while remaining reasonably robust when the training distribution is less informative. This demonstrates its potential as a tool for analyzing short-duration, noisy signals.
• Abstract（参考訳）: 減衰した正弦波振動は多くの物理系で広く観測されており、その解析は基礎となる物理特性へのアクセスを提供する。 しかし、信号が急速に減衰するとパラメータ推定が難しくなり、複数の成分が重なり、観測ノイズが存在する。 本研究では,遅延空間を用いて雑音の多い多成分正弦波信号における各成分の周波数,位相,減衰時間,振幅を推定するオートエンコーダを用いた手法を提案する。 本研究は,ガウス分布学習における多成分症例について検討し,ガウス分布と一様学習との比較によるトレーニングデータ分布の影響について検討する。 波形再構成とパラメータ推定精度を用いて評価を行った。 提案手法は, サブマナント成分やほぼ非相成分を含むような難易度の設定においても, 精度の高いパラメータを推定できるが, トレーニング分布が情報量が少ない場合にも, 合理的に頑健であることがわかった。 これは短周期ノイズ信号の解析ツールとしての可能性を示している。

関連論文リスト

• Fingerprint Recognition of Partial Discharge Signals in Deep Learning Enhanced Rydberg Atomic Sensors [42.41909362660158]
  我々は、部分放電の時間領域応答を直接捉えるために、Rydberg原子センサーを使用している。 1D ResNet深層学習モデルを適用して,手動の機能工学を使わずに,これらの指紋を時間領域信号から認識する。 我々は,ノイズと混合した部分放電信号を解析し,モデルが予測アラームを生成できるシミュレーション早期警戒シナリオにおけるアプローチの有効性を検証した。
  論文  参考訳（メタデータ） (2026-03-03T12:31:18Z)
• Robust multiparameter estimation using quantum scrambling [0.04666493857924358]
  本稿では,汎用的で効率的な量子センシングプロトコルの提案と解析を行う。 同時に、多くの非可換信号と時間依存信号とを同時に推定し、その信号はコヒーレントまたは非コヒーレントにセンサー粒子と結合する。 本手法は,感度の最適スケーリングを維持しつつ,システムサイズにおいて指数関数的に多くのパラメータを検出できる。
  論文  参考訳（メタデータ） (2026-01-30T18:58:01Z)
• Additive decomposition of one-dimensional signals using Transformers [48.7025991956527]
  一次元信号分解は、様々な科学分野において確立され広く使われている技術である。 近年の研究では、この問題に最新のディープラーニングモデルを適用すると、期待できる可能性を持った、エキサイティングで未探索な領域が現れることが示唆されている。 我々はTransformerアーキテクチャを利用して、信号を構成コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-06T10:09:40Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Wavelet correlation noise analysis for qubit operation variable time series [0.29164840862014807]
  量子特性は空間と時間における非自明な相関の対象となる。 スピン量子ビット実験の工学的進歩は大量のデータを生成する。 天体物理学、金融学、気候科学などの分野では、ウェーブレットに基づく手法を用いてデータ分析を強化する。
  論文  参考訳（メタデータ） (2023-09-21T23:45:14Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Multimodal Exponentially Modified Gaussian Oscillators [4.233733499457509]
  本研究では,任意振動項を持つ3段階多モード指数修正ガウスモデルを提案する。 これにより、人工物に苦しむ合成超音波信号を完全に回収することができる。 得られた特徴の分類能力を示すために実データ実験を行った。
  論文  参考訳（メタデータ） (2022-09-25T11:48:09Z)
• Characterizing low-frequency qubit noise [55.41644538483948]
  量子ビット周波数のゆらぎは、スケーラブルな量子コンピュータへの道のりで克服すべき主要な問題の1つである。 ゆらぎの統計は、定期的に繰り返されるラムゼー測定の結果の相関子を測定することで特徴づけられる。 この研究は、進化する雑音の存在下での繰り返し測定中に量子力学を記述する方法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T22:48:43Z)
• Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor Data Fusion Method [0.0]
  本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。 アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。 我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
  論文  参考訳（メタデータ） (2020-09-07T13:24:47Z)
• Optimal Learning with Excitatory and Inhibitory synapses [91.3755431537592]
  相関関係の存在下でアナログ信号間の関連性を保持するという課題について検討する。 ランダムな入力および出力プロセスのパワースペクトルの観点から、典型的な学習性能を特徴付ける。
  論文  参考訳（メタデータ） (2020-05-25T18:25:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。