[논문 리뷰] Estimation of the Hurst Exponent Using Trimean Estimators on Nondecimated Wavelet Coefficients

Chen Feng, Brani Vidaković|arXiv (Cornell University)|2017. 09. 26.

Image and Signal Denoising Methods참고 문헌 12인용 수 6

한 줄 요약

이 논문은 비감쇠 웨이브릿 계수에 트라이메인 추정기를 적용하여 허스트 지수의 강건한 추정을 제안한다. 중앙값과 분위수 기반 가중치를 조합하여 정확도를 향상시키고 분산을 감소시킨다. 이 방법은 이론적 및 수치적 평가에서 표준 웨이브릿 기반 방법들인 VA, SSB, MEDL, MEDLA보다 우수하며, 특히 고해상도 피의 반응 행동과 같은 노이즈가 많은 고주파수 데이터에서 두각을 나타낸다.

ABSTRACT

Hurst exponent is an important feature summarizing the noisy high-frequency data when the inherent scaling pattern cannot be described by standard statistical models. In this paper, we study the robust estimation of Hurst exponent based on non-decimated wavelet transforms (NDWT). The robustness is achieved by applying a general trimean estimator on non-decimated wavelet coefficients of the transformed data. The general trimean estimator is derived as a weighted average of the distribution's median and quantiles, combining the median's emphasis on central values with the quantiles' attention to the extremes. The properties of the proposed Hurst exponent estimators are studied both theoretically and numerically. Compared with other standard wavelet-based methods (Veitch $\&$ Abry (VA) method, Soltani, Simard, $\&$ Boichu (SSB) method, median based estimators MEDL and MEDLA), our methods reduce the variance of the estimators and increase the prediction precision in most cases. The proposed methods are applied to a data set in high frequency pupillary response behavior (PRB) with the goal to classify individuals according to a degree of their visual impairment.

연구 동기 및 목표

• 표준 모델이 실패하는 노이즈가 많고 고주파수의 시계열에서 허스트 지수에 대한 강건한 추정기를 개발하기 위해.
• 평균 기반 및 중앙값 기반 웨이브릿 추정기의 한계를 보완하기 위해 중심 경향과 꼬리 민감도를 균형 잡은 트라이메인 기반 접근법을 도입하기 위해.
• 비감쇠 웨이브릿 변환을 사용하여 허스트 지수 추정의 정밀도를 향상시키고 분산을 감소시키기 위해.
• 시각 장애 수준을 분류하기 위해 고주파수 피의 반응 행동(Pupillary Response Behavior, PRB) 데이터에 이 방법을 적용하기 위해.
• 비감쇠 웨이브릿 프레임워크 하에서 제안된 트라이메인 기반 추정기의 이론적 渐近적 성질을 수립하기 위해.

제안 방법

• 이 방법은 비감쇠 웨이브릿 변환(NDWT)에서 얻은 로그 웨이브릿 계수에 일반 트라이메인 추정기를 적용한다. 트라이메인 추정기는 중앙값과 대칭 분위수의 가중 평균으로 정의된다.
• 트라이메인 추정기는 중앙값의 중심 값에 대한 강건성과 분위수의 극단치에 대한 민감도를 결합하여, 중앙값보다 더 매끄럽고 외곽치에 저항력이 있는 대안을 제공한다.
• 이 방법은 로그 변환된 중간 에너지 웨이브릿 계수의 수준별 분포를 사용하며, 이는 $ D_{j,k} = (d_{j,k}^2 + d_{j,k+N_j/2}^2)/2 $ 로 정의된다. 이를 통해 분산을 안정화하고 추정을 향상시킨다.
• 트라이메인 추정기의 이론적 渐近적 정규성은 유도되었으며, 분수 브라운 운동 하에서 웨이브릿 계수의 분포에 기반한 평균과 분산의 명시적 표현이 제시된다.
• 이 방법은 트라이메인 추정치를 웨이브릿 수준 $ j $ 에 대해 가중 회귀 분석을 통해 구현하며, 기울기가 허스트 지수 $ H $ 를 추정한다.
• 두 가지 특수 케이스인 투키의 트라이메인과 가스트위르트 추정기는 일반 트라이메인 프레임워크 내에 통합되어 있어, 민감도와 강건성을 높인 유연한 추정이 가능하다.

실험 결과

연구 질문

• RQ1 비감쇠 웨이브릿 계수에 일반 트라이메인 추정기를 적용할 경우, 기존의 웨이브릿 기반 방법들보다 더 강건하고 정확한 허스트 지수 추정이 가능할까?
• RQ2 트라이메인 추정기의 중앙값과 분위수 가중치 간의 균형이 고주파수 데이터에서 외곽치와 무거운 尾尾 노이즈가 존재할 경우 성능에 어떻게 기여하는가?
• RQ3 분수 브라운 운동 모델 하에서 제안된 트라이메인 기반 허스트 지수 추정기의 이론적 渐近적 성질(평균과 분산)은 무엇인가?
• RQ4 시뮬레이션 및 실제 고주파수 데이터에서 제안된 방법이 VA, SSB, MEDL, MEDLA 방법보다 분산을 줄이고 예측 정밀도를 높이는가?
• RQ5 이 방법은 고주파수 피의 반응 행동(PRБ) 데이터를 사용하여 시각 장애 수준을 효과적으로 분류할 수 있는가?

주요 결과

• 제안된 트라이메인 기반 추정기는 VA, SSB, MEDL, MEDLA와 같은 표준 웨이브릿 기반 방법들에 비해 분산을 크게 감소시킨다.
• 노이즈와 외곽치가 존재하는 상황에서도 트라이메인 추정기의 중심값과 꼬리 값에 대한 균형 잡힌 영향으로 대부분의 시험 케이스에서 예측 정밀도가 향상된다.
• 이론적 분석을 통해 트라이메인 추정기는 분수 브라운 운동 하에서 웨이브릿 계수 분포에 기반한 잘 정의된 평균과 분산을 가진 渐近적 정규성을 확인하였다.
• 특수 케이스인 가스트위르트와 투키의 트라이메인 추정기는 중앙값 전용 방법인 MEDL과 MEDLA보다 더 높은 강건성과 성능을 보였다.
• 고주파수 피의 반응 행동(PRБ) 데이터에 적용한 결과, 이 방법은 개인의 시각 장애 수준을 분류하는 데 성공적으로 활용되었으며, 실용적 유용성을 입증하였다.
• 일반 트라이메인 프레임워크는 평균 기반 및 중앙값 기반 웨이브릿 추정기의 유연하고 이론적으로 탄탄하며 경험적으로 열등한 대안을 제공한다.