[논문 리뷰] Detecting dynamic spatial correlation patterns with generalized wavelet coherence and non-stationary surrogate data

Mario Chávez, Bernard Cazelles|arXiv (Cornell University)|2018. 01. 15.

Complex Systems and Time Series Analysis참고 문헌 40인용 수 57

한 줄 요약

본 논문은 비정상적 대체 데이터(non-stationary surrogate data)를 사용하여 다변량 시계열 간의 짧고 시간에 따라 변하는 공간적 일관성(spatial coherence)을 탐지하기 위한 웨이블릿 기반 프레임워크를 개발하고, 합성 데이터와 실제 데이터(EEG 및 홍역 데이터)를 대상으로 이를 검증한다.

ABSTRACT

Time series measured from real-world systems are generally noisy, complex and display statistical properties that evolve continuously over time. Here, we present a method that combines wavelet analysis and non-stationary surrogates to detect short-lived spatial coherent patterns from multivari- ate time-series. In contrast with standard methods, the surrogate data used here are realisations of a non-stationary stochastic process, preserving both the amplitude and time-frequency distributions of original data. We evaluate this framework on synthetic and real-world time series, and we show that it can provide useful insights into the time-resolved structure of spatially extended systems.

연구 동기 및 목표

• 소음이 많고 비정상적인 시스템에서 과도한 공간 동기화를 탐지할 필요성을 제시한다.
• 공간-주파수의 복합 관계를 포착하기 위해 다변량 신호에 웨이블릿 코히런스를 일반화한다.
• 크기와 시간-주파수 분포를 보존하는 비정상 대체 데이터를 도입한다.
• 몬테카를로 대체 데이터 및 FDR 보정을 통해 일시적 일관성의 통계적 유의성을 평가한다.
• 합성 및 실제 데이터 세트에서 정상 대체 데이터에 비해 이점을 시연한다.

제안 방법

• 신호 간의 시간-주파수 교분광을 계산하기 위해 연속 Morlet 웨이블릿을 사용한다.
• 각 시간-주파점에서 다변수 코히런스 행렬을 정의하고 TVSC를 도출한다: Ψ(t,f) = (λ_max^Σ(t,f) − 1)/(M−1).
• 크기와 TF 에너지 분포를 보존하도록 시간-주파수 영역으로 대체 평가를 확장한다.
• 원래의 TF 분포를 보존하면서 웨이블릿 도메인에서 위상을 무작위화하고 반복적인 진폭 보정으로 비정상 대체 데이터를 생성한다.
• 대체 분포에 대한 z-테스트로 유의성을 평가하고 다중 검정을 FDR(q ≤ 0.05)로 보정한다.
• 합성 AR 및 로셀러 네트워크와 실제 EEG 및 홍역 시계열 데이터에 대해 검증한다.

실험 결과

연구 질문

• RQ1 일반화된 웨이블릿 코히런스가 다변량 비정상 데이터의 일시적이고 시간 가변적인 공간 상관관계를 포착할 수 있는가?
• RQ2 비정상 대체 데이터가 TF 구조를 더 잘 보존하여 유의성 검정을 개선하는가?
• RQ3 TVSC Ψ(t,f)가 합성 비선형 시스템과 실제 데이터( EEG, 홍역)에서 변화하는 동기화 패턴 동안 어떻게 작용하는가?
• RQ4 경계 효과 및 시간-주파수 평면 전체에 걸친 다중 비교에 대해 제안된 대체 기반 유의성 검정이 강건한가?

주요 결과

• Ψ(t,f)는 M개의 신호에 걸친 시간 가변적 공간 일관성의 0에서 1까지의 한정된 척도를 제공한다.
• 비정상 대체 데이터가 정상 대체 데이터나 DWT 기반 대체 데이터보다 TF 구조를 더 잘 재현하여 잘못된 일치 영역을 감소시킨다.
• EEG에서 비정상 대체 데이터는 코히런스의 TF 위치화를 선명하게 하며 발작 전의 탈동기화 및 발작 중 동기화 확산을 보여준다.
• 홍역 데이터에서 Ψ(t,f)는 예방 백신 도입 전의 이년주기 구성에서 높은 공간 일관성을 탐지하고 백신 도입 후 상관이 해제된다.
• iAAFT 및 iAAWT 대체 데이터에 비해 비정상 대체 접근 방식이 잘못된 일관 영역이 적고 동기화 탐지가 더 정확하다.
• 프레임워크는 합성 및 실제 데이터 세트 모두에서 정상 대체 테스트 및 표준 DWT 기반 방법보다 우수한 성능을 보인다.