[논문 리뷰] Filtering Problem for Functionals of Stationary Processes with Missing Observations

Mikhail Moklyachuk, Maria Sidei|arXiv (Cornell University)|2016. 09. 04.

Statistical and numerical algorithms참고 문헌 15인용 수 4

한 줄 요약

이 논문은 관측값이 노이즈에 오염되어 있고 일부 간격이 누락된 경우, 비관측값에 의존하는 함수형에 대한 평균제곱 최적 선형 필터링 문제를 다룬다. 스펙트럼 확정성 하에서 스펙트럼 특성과 평균제곱 오차에 대한 공식을 유도하며, 스펙트럼 불확정성 하에서는 특정 허용 스펙트럼 밀도 집합에 대해 최소최대-로버스트 추정을 개발한다. 이는 최악의 상황을 초래하는 스펙트럼 밀도와 최소최대 스펙트럼 특성을 규명하는 데 중점을 둔다.

ABSTRACT

The problem of the mean-square optimal linear estimation of the functional $Aξ=\ \int\limits_{R^s}a(t)ξ(-t)dt,$ which depends on the unknown values of stochastic stationary process $ξ(t)$ from observations of the process $ξ(t)+η(t)$ at points $t\in\mathbb{R} ^{-} \backslash S $, $S=\bigcup\limits_{l=1}^{s}[-M_{l}-N_{l}, \, \ldots, \, -M_{l} ],$ $R^s=[0,\infty) \backslash S^{+},$ $S^{+}=\bigcup\limits_{l=1}^{s}[ M_{l}, \, \ldots, \, M_{l}+N_{l}]$ is considered. Formulas for calculating the mean-square error and the spectral characteristic of the optimal linear estimate of the functional are proposed under the condition of spectral certainty, where spectral densities of the processes $ξ(t)$ and $η(t)$ are exactly known. The minimax (robust) method of estimation is applied in the case where spectral densities are not known exactly, but sets of admissible spectral densities are given. Formulas that determine the least favorable spectral densities and minimax spectral characteristics are proposed for some special sets of admissible densities.

연구 동기 및 목표

• 관측값이 누락 간격으로 인해 불완전한 경우, 정상 과정의 함수형에 대한 최적 선형 필터링 문제를 해결하기 위해.
• 스펙트럼 밀도가 알려진 조건(스펙트럼 확정성) 하에서 스펙트럼 특성과 평균제곱 오차에 대한 명시적 공식을 유도하기 위해.
• 스펙트럼 불확정성에 대응하기 위해 최소최대-로버스트 접근법을 적용하여 해를 확장하기 위해.
• 특정 유형의 허용 스펙트럼 밀도 집합에 대해 최악의 상황을 초래하는 스펙트럼 밀도와 최소최대 스펙트럼 특성을 규명하기 위해.
• 스펙트럼 밀도 사양의 불확실성에 대비하여 추정의 안정성을 확보하고, 최악의 경우 오차를 최소화하기 위해.

제안 방법

• 평균제곱 기준에서 최적 선형 추정을 유도하기 위해 힐버트 공간 사영 방법을 사용한다.
• 절대 연속 스펙트럼 측도를 갖는 정상 과정에 대해 위너-콜모고로프 필터링 이론을 적용한다.
• 스펙트럼 도메인에서 위너-홉프 유형의 방정식을 푸름으로써 최적 추정치의 스펙트럼 특성을 유도한다.
• 최적 추정치의 존재를 보장하기 위해 스펙트럼 밀도에 최소성 조건을 도입한다.
• 최소최대 프레임워크에서 최악의 상황을 초래하는 스펙트럼 밀도를 규명하기 위해 볼록 최적화와 극값 문제를 적용한다.
• 게임 이론적 접근을 사용하여 허용 스펙트럼 밀도 집합 전체에 걸쳐 최대 가능한 오차를 최소화한다.

실험 결과

연구 질문

• RQ1 관측값이 누락 간격으로 인해 불완전한 경우, 정상 과정의 함수형에 대한 최적 선형 추정치는 어떻게 계산할 수 있는가?
• RQ2 스펙트럼 확정성 하에서 스펙트럼 특성과 평균제곱 오차에 대한 명시적 공식은 무엇인가?
• RQ3 스펙트럼 밀도가 정확히 알려져 있지 않지만 주어진 허용 밀도 집합에 속할 경우, 추정은 어떻게 로버스트하게 만들 수 있는가?
• RQ4 최소최대 기준에서 추정 오차를 최대화하는 최악의 상황을 초래하는 스펙트럼 밀도는 무엇인가?
• RQ5 주어진 허용 스펙트럼 밀도 집합에 대해 최악의 오차를 가능한 한 낮추는 데 기여하는 최소최대 스펙트럼 특성은 무엇인가?

주요 결과

• 스펙트럼 확정성 하에서, 함수형 $ A\xi = \int_{\mathbb{R}^s} a(t)\xi(-t)\,dt $ 의 최적 선형 추정치에 대한 스펙트럼 특성과 평균제곱 오차에 대한 명시적 공식이 도출된다.
• 최소최대-로버스트 케이스에서는 특정 허용 밀도 집합 내에서 추정 오차를 최대화하는 최악의 상황을 초래하는 스펙트럼 밀도가 규명된다.
• 최소최대 스펙트럼 특성은 허용 스펙트럼 밀도 집합 위에서 볼록 최적화 문제의 해로서 유도된다.
• 최악의 상황을 초래하는 스펙트럼 밀도는 신호 및 노이즈 과정의 스펙트럼 밀도를 포함하는 극값 문제의 해로서 특성화된다.
• 최소최대 접근법은 전체 허용 스펙트럼 밀도 집합에 걸쳐 최악의 평균제곱 오차를 최소화함으로써 추정의 안정성을 보장한다.
• 기존의 필터링 및 추정 프레임워크를 누락 관측 간격과 스펙트럼 불확실성을 포함하도록 일반화하여, 불완전한 자료와 모델의 모호성 하에서도 안정적인 해를 제공한다.