[論文レビュー] Sparse Time Frequency Representations and Dynamical Systems

Thomas Y. Hou, Zuoqiang Shi+1 more|arXiv (Cornell University)|Dec 1, 2013

Structural Health Monitoring Techniques参考文献 29被引用数 7

ひとこと要約

本稿は、データ駆動型時周波数解析と2階常微分方程式（ODE）の間の理論的関係を確立し、各固有モード関数（IMF）が非線形2階ODEの解に対応することを示している。この手法は多項式基底におけるスパース最適化を用いてODEの係数を回復し、信号成分の非線形性の度合いを定量化可能であり、数値結果によりノイズ耐性が確認されている。

ABSTRACT

In this paper, we establish a connection between the recently developed data-driven time-frequency analysis \cite{HS11,HS13-1} and the classical second order differential equations. The main idea of the data-driven time-frequency analysis is to decompose a multiscale signal into a sparsest collection of Intrinsic Mode Functions (IMFs) over the largest possible dictionary via nonlinear optimization. These IMFs are of the form $a(t) \cos(θ(t))$ where the amplitude $a(t)$ is positive and slowly varying. The non-decreasing phase function $θ(t)$ is determined by the data and in general depends on the signal in a nonlinear fashion. One of the main results of this paper is that we show that each IMF can be associated with a solution of a second order ordinary differential equation of the form $\ddot{x}+p(x,t)\dot{x}+q(x,t)=0$. Further, we propose a localized variational formulation for this problem and develop an effective $l^1$-based optimization method to recover $p(x,t)$ and $q(x,t)$ by looking for a sparse representation of $p$ and $q$ in terms of the polynomial basis. Depending on the form of nonlinearity in $p(x,t)$ and $q(x,t)$, we can define the degree of nonlinearity for the associated IMF. %and the corresponding coefficients for the associated highest order nonlinear terms. This generalizes a concept recently introduced by Prof. N. E. Huang et al. \cite{Huang11}. Numerical examples will be provided to illustrate the robustness and stability of the proposed method for data with or without noise. This manuscript should be considered as a proof of concept.

研究の動機と目的

• データからマルチスケールで非ステーションナリィな信号の非線形性の度合いを定量化する手法を開発すること。
• 固有モード関数（IMF）と2階常微分方程式（ODE）との間の理論的関係を確立すること。
• ノイズのある信号からODE係数を回復するためのデータ駆動型スパース最適化フレームワークを提供すること。
• 個々の信号成分を力学系の解として解析し、物理的整合性を保持すること。
• 特にバイオメディカルおよび工学的応用分野において、複雑な信号の非線形性検出に耐障害的かつ安定な手法を提供すること。

提案手法

• IMFを形式 $\ddot{x} + p(x,t)\dot{x} + q(x,t) = 0$ の2階ODEの解として定式化する。
• ノイズのあるデータからの安定な係数回復を可能にする局所的変分式を構築する。
• 多項式基底関数における $p(x,t)$ と $q(x,t)$ のスパース表現を求めるために $l^1$-ベースの最適化を適用する。
• 係数 $p(x,t)$ と $q(x,t)$ の構造に基づく非線形性度の指標を導入し、先行研究の概念を一般化する。
• 係数回復の数値的安定性を向上させるためにENO型再構成のテクニックを導入する。
• Van der Polや調和成分を含む既知のダイナミクスを持つ信号に対して、数値実験により手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 データ駆動型時周波数解析からの各IMFは、2階ODEと結びつけることができるか？
• RQ2 関連するODE係数を用いて、IMFの非線形性をどのように定量化できるか？
• RQ3 多項式基底におけるスパース最適化は、ノイズのあるデータから支配的ODEの係数を信頼性高く回復できるか？
• RQ4 提案手法は、非線形性検出を可能にしつつ、信号成分の物理的整合性を保持できるか？
• RQ5 ノイズや複雑な信号構成に対して、この手法はどの程度耐性があるか？

主な発見

• 10%のホワイトノイズが加わっても、図8および図10に示すように、信号のIMFを支配するODEの真の係数を効果的に回復できた。
• 回復された非線形性度は正確な値に非常に近づき、非線形性定量化の高精度を示している（図12および13）。
• ENO型再構成のテクニックを組み込むことで、特にノイズ環境下でも係数回復の安定性が顕著に向上した。
• 複数の成分（例：Van der Pol、コサイン、トレンド、ノイズ）から成る信号に対しても、手法は各IMFの力学的挙動を正しく分離・解析できた。
• 本手法により、複雑な信号における一次非線形性の検出が可能となり、システム同定のための概念的実証としての有効性が裏付けられた。
• 数値結果により、本手法はさまざまな信号タイプおよびノイズレベルにおいて、耐障害性と安定性を確認した。