5.9 Wavelet Smoothing（ウェーブレット平滑化）

フーリエ変換の限界から始まる

スマートフォンで撮った写真がなぜあんなに小さく圧縮できるのか？ 病院のMRI画像はどうやってくっきりと保存されるのか？ この「圧縮の魔法」の裏にはウェーブレットという数学的な仕組みがある。

音声を分析する古典的な方法として、フーリエ変換がある。 「ある音にはどんな高さの音（周波数）が含まれているか」を分解する手法だ。 ピアノの「ド」を弾いたとき、フーリエ変換はそこに含まれる周波数成分（基音と倍音）を綺麗に分離できる。

しかし、フーリエ変換には致命的な弱点がある。「5秒後にドラムが鳴った」という情報を表現できないのだ。 フーリエ変換は「どの周波数が含まれるか」は分かるが、「いつ含まれるか」が分からない。 全体の中に「ある周波数があった」とは言えても、「その周波数が何秒目に出てきたか」は情報の外にある。

これは統計的なデータ分析でも同じ問題が起きる。 信号の中に孤立したスパイク（急激な変化）がある場合、フーリエ基底では多くの係数が必要になる。 スパイクを表現するために、全ての周波数成分を動員しなければならないからだ。

ここで問いかけたい。「時間と周波数の両方を同時に局所化できる基底関数」は存在するのだろうか？

実は存在する。それがウェーブレット（wavelet）だ。

フーリエ基底はこのような形をしている：

これらは全区間 $[0, 1]$ に広がる「グローバルな」基底だ。 ウェーブレット基底はこれと根本的に異なり、特定の位置と特定のスケール（解像度）の情報を持つ「ローカルな」基底だ。

Haarウェーブレット ─ 最もシンプルな例

ウェーブレットを理解するための最良のスタートは、Haarウェーブレットだ。 非常にシンプルな形をしているので、直感的に理解しやすい。

ウェーブレットは「父と母」の2種類の基本関数から作られる。 命名は親子関係の比喩 ── 父が大きな構造を提供し、母がその上に細かいパターンを生成する。

スケーリング関数（父関数） ── 大きなタイル（背景の構造）：

ここで $\mathbb{I}(\text{条件})$ は「条件が成立するとき1、それ以外は0」を意味する指示関数だ。 この父関数はただの矩形 ── 区間 $[0, 1]$ だけで値を持ち、それ以外ではゼロだ。

母ウェーブレット ── 細かいパターン（詳細の構造）：

これは「左半分が+1、右半分が-1」の矩形波だ。 左右で逆の値を持つため、「局所的な変化（ジャンプ）」に敏感に反応する。

重要なのは、この母ウェーブレットをスケール（拡大縮小）と位置（並進）で変化させることで、 あらゆるスケール・あらゆる位置の特徴を捉えられること：

• $j$：スケール（$j$ が大きいほど細かい詳細を捉える）
• $k$：位置（ウェーブレットをどこに置くか）
• $2^{j/2}$：正規化係数（どのスケールでも大きさが揃う）

スケーリング関数とその膨張：

これらは多重解像度解析（Multi-Resolution Analysis, MRA）を形成する：

$V_j$ は粗い（低解像度の）成分を表し、$j$ が大きいほど細かい（高解像度の）成分を含む空間を示す。

多重解像度 ─ 粗さと詳細の分解

ウェーブレット変換の核心は多重解像度解析（Multi-Resolution Analysis）にある。

信号を「粗い成分」と「詳細成分」に分解し、さらに詳細成分を繰り返し分解する。 まるで地図を拡大縮小するように、異なる解像度で同じ対象を見る。

数学的には：

• $V_{j+1}$：高解像度の空間
• $V_j$：低解像度の成分（粗さ）
• $W_j$：詳細成分
• $\oplus$：「重なりのない足し算」。 粗い成分と詳細成分が情報をダブって持たず、完全に独立して補完し合う（数学的には「直交直和」）

これを繰り返すと：

信号全体が「最も粗い成分 + 様々なスケールの詳細」に分解される。

このアーキテクチャの美しさは、各詳細成分 $W_j$ が特定のスケールの変化のみを捉えること。 広いスケールの変化は低い $j$ で、 細かいスケールの変化は高い $j$ で捉えられる。

これを「解像度の塔」と想像してみてほしい。一番下の階は全体の大まかな形。 上に行くほど細かいディテールが追加されていく。 各階は「その階だけの情報」を持ち、上下と情報は重複しない。

消滅モーメント ─ ウェーブレットの「賢さ」

Haarウェーブレットは使いやすいが、滑らかな関数を表現するには効率が悪い。 そこで登場するのがSymmetletウェーブレットのような、より洗練されたウェーブレット族だ。

洗練されたウェーブレットの秘密は消滅モーメント（vanishing moments）にある。

まず直感から：滑らかな曲線（例：放物線のような多項式）に対してウェーブレットが「完全に無反応」になる性質、 それが消滅モーメントだ。まるで「滑らかな変化には気づかないが、急激なジャンプには即座に反応するセンサー」のような振る舞い。

数式で表すと：

この積分がゼロというのは「多項式 $x^j$ とウェーブレットが直交する（互いに無関係）」という意味。$p$ 個の消滅モーメントを持つウェーブレットは、次数 $p-1$ 以下の多項式に対して係数がゼロになる。

なぜこれが重要か？

滑らかな関数は局所的に多項式で近似できる。 消滅モーメントが多いウェーブレットほど「滑らかな部分を無視」し、本当に変化している部分だけに反応する。 Haarは1つの消滅モーメント（定数に無反応）、Symmetletのような高度なウェーブレットは多数の消滅モーメントを持ち、 高次の多項式的な変化も無視できる。

平滑スプラインの罰則が「滑らかさを強制する」のと同様に、消滅モーメントは「不要な係数を自動的に消す」仕組みだ。 これがウェーブレットによるスパース表現の源泉となる。

ウェーブレット変換 ─ 高速な変換

実際のデータ $y_1, y_2, \ldots, y_N$（$N = 2^J$）に対して、 ウェーブレット変換を計算してみよう。$N$ が $2^J$（8, 16, 32, 64…のような2の冪乗）でなければならないのは、 ピラミッドアルゴリズムが「半分ずつデータをまとめる」構造を持つため。 ちょうど2で割り続けることができる数でないと、このアルゴリズムが機能しない。

ウェーブレット行列 $\mathbf{W}$（$N \times N$ の正規直交行列）を使って：

$\mathbf{y}^*$ がウェーブレット係数だ。$\mathbf{W}$ が正規直交行列なので、これは最小二乗回帰の解と全く同じになる。

驚くべきことに、この変換は通常の行列乗算（$O(N^2)$）で計算する必要がない。ピラミッドアルゴリズムと呼ばれる賢い計算法により：

FFT（高速フーリエ変換）でさえ $O(N \log N)$ かかるのに、 ウェーブレット変換は $O(N)$ で計算できる。 これは革命的な効率性だ。

ピラミッドアルゴリズムの仕組みは単純だ。隣り合う2点から「平均（粗い成分）」と「差（詳細成分）」を計算する。 これを繰り返すだけで、全スケールの係数が一度に計算できる。 各ステップの計算量は一定なので、総計算量は $N + N/2 + N/4 + \cdots = 2N$、 すなわち $O(N)$ となる。

SURE縮小 ─ ノイズをどう取り除くか

ウェーブレット係数 $\mathbf{y}^*$ が手に入った。 次の問題は：どの係数が本当の信号で、どれがノイズか？

ここでソフト閾値処理（soft-thresholding）という優雅な解法が登場する。

最適化問題：

$L_1$ 罰則がかかっているので、これはLassoそのものだ。$\mathbf{W}$ が正規直交行列という特別な性質から、解析的な解が得られる：

これがソフト閾値処理。意味は単純だ：

• $|y_j^*| \leq \lambda$ のとき：この係数はノイズ → ゼロに設定
• $|y_j^*| > \lambda$ のとき：真の信号 → $\lambda$ だけ縮小して保持

ここで $(z)_+ = \max(z, 0)$（正の部分のみ取り出す）。

閾値 $\lambda$ はどう選ぶか？エレガントな答えがある：

ここで $\hat{\sigma}$ はノイズの標準偏差。なぜこの値か？ もし信号が純粋なノイズ（平均0の独立ガウス変数）だとすると、$N$ 個の標準正規変数の最大値は約 $\sqrt{2\log N}$ になる。 つまりこの閾値以下の係数は「ほぼ確実にノイズ」だ。

$\hat{\sigma}$ は最も細かいスケールのウェーブレット係数から推定される。 なぜ細かいスケールか？信号の本質的な成分は粗いスケール（大きな構造）に集中するため、 最も細かいスケールはほぼノイズだけが残る。 だからこそ細かいスケールの係数からノイズの大きさを推定できる。

完全なパイプライン ─ 信号から平滑化まで

NMR（核磁気共鳴）信号の例で、全体の流れを見てみよう。 NMR信号は「なめらかな基礎成分」と「局所的なスパイク」が混在している。 これはウェーブレットが得意とする構造だ。

ウェーブレット平滑化の完全な手順：

1. 前処理: データ $\mathbf{y}$（$N = 2^J$ 点）を用意
2. ウェーブレット変換: $\mathbf{y}^* = \mathbf{W}^T \mathbf{y}$（$O(N)$ で計算）
3. ソフト閾値処理: 各係数を $\hat{\theta}_j = \text{sign}(y_j^*)(|y_j^*| - \lambda)_+$ に変換
4. 逆変換: $\hat{\mathbf{f}} = \mathbf{W}\hat{\boldsymbol{\theta}}$（$O(N)$ で計算）

変換前のウェーブレット係数と変換後を比較すると：

• 多くの小さい係数がゼロに
• 真の信号を表す大きな係数のみが残る

スプラインとの本質的な違いは罰則の種類にある：

• スプライン：$L_2$ 罰則 → 全ての係数を均等に縮小（ridgeと同様）
• ウェーブレット（SURE）：$L_1$ 罰則 → 小さい係数はゼロに（Lassoと同様）

$L_1$ 罰則はスパース性（疎性）を生む。 つまりウェーブレット平滑化は、関係のない係数を完全に除去することで圧縮を達成する。 これがウェーブレットが信号圧縮・画像圧縮で圧倒的な性能を発揮する理由だ。

スプラインとの比較 ─ L1 vs L2

ここで疑問が生まれる。スプラインとウェーブレット、どちらを使うべきなのか？

どちらも「なめらかな関数の推定」を目的とするが、根本的なアプローチが異なる。

ウェーブレットが輝く場面：

• NMR信号のように、なめらかな背景に局所的なスパイクが乗っている
• 画像圧縮（JPEG 2000の基礎技術）
• 地震波の解析
• 金融時系列のジャンプ検出

スプラインは「滑らかさ」を大前提とし、すべての係数をある程度残す。 ウェーブレットは「スパース性」を前提とし、本当に必要な係数だけを残す。

どちらが良いかはデータ構造次第だ。 でも重要なのは、目的に応じた表現と罰則を選ぶという思想 ── これが統計学習の本質だ。 Lasso と同じ $L_1$ 罰則の考え方が、時系列・信号処理の世界で革命を起こした例として、 ウェーブレット平滑化はここにある。