[논문 리뷰] Modeling noisy time series: Physiological tremor

Jens Timmer|arXiv (Cornell University)|1998. 05. 08.

Control Systems and IdentificationEngineering인용 수 21

한 줄 요약

이 논문은 선형 및 비선형 모델을 사용하여 생리적 진동 시간계열을 모델링할 때 관측 노이즈의 영향을 조사한다. 노이즈를 무시하는 자기회귀(AR) 모델과 관측 노이즈를 명시적으로 고려하는 선형 상태공간 모델(LSSM)을 비교하여, 특히 노이즈 대 신호 비율이 높은 경우(~0.93) LSSM이 더 정확한 매개변수 추정과 더 나은 스펙트럼 피팅을 제공함을 보여주며, 비선형 결정론적 시스템에 대해서는 Bock의 알고리즘을 적용하여 확장한다.

ABSTRACT

Empirical time series often contain observational noise. We investigate the effect of this noise on the estimated parameters of models fitted to the data. For data of physiological tremor, i.e. a small amplitude oscillation of the outstretched hand of healthy subjects, we compare the results for a linear model that explicitly includes additional observational noise to one that ignores this noise. We discuss problems and possible solutions for nonlinear deterministic as well as nonlinear stochastic processes. Especially we discuss the state space model applicable for modeling noisy stochastic systems and Bock's algorithm capable for modeling noisy deterministic systems.

연구 동기 및 목표

• 생리적 진동 시간계열 모델의 매개변수 추정에 관측 노이즈가 미치는 영향을 평가하는 것.
• 관측 노이즈를 명시적으로 모델링하는 선형 상태공간 모델(LSSM)과 표준 자기회귀(AR) 모델 간의 성능을 비교하는 것.
• 비선형 역학의 맥락에서 노이즈가 존재하는 결정론적 시스템을 모델링하기 위해 Bock의 알고리즘이 얼마나 적용 가능한지 평가하는 것.
• 노이즈를 고려한 모델링이 생리적 시간계열의 기능적 관계 및 스펙트럼 재구성 정확도를 향상시키는지 조사하는 것.
• 노이즈가 적절히 고려되지 않았을 경우 비선형 모델의 피팅된 매개변수에 생리학적 의미를 부여하는 데 발생하는 과제를 탐구하는 것.

제안 방법

• 300 Hz에서 샘플링된 35초 분량의 생리적 진동 시간계열(10,240점)을 사용하며, 정규화된 평균 0, 분산 1을 가짐.
• 자기회귀(AR) 모델을 사용하여 데이터에 적합시키며, 매개변수 추정은 회귀 분석을 통해 수행하고 잔차 분산과 백색성 테스트를 통해 유의성 평가.
• 상태 전이 행렬 A, 관측 행렬 C, 공정 노이즈 Q, 관측 노이즈 R을 포함하는 선형 상태공간 모델(LSSM)을 사용하여 측정 노이즈를 명시적으로 모델링.
• Bock의 알고리즘을 활용하여 비선형 결정론적 맵을 최소 제곱 잔차의 합을 최소화하면서 연속적인 궤적에 맞추어 피팅하며, 시간 연속성을 통합.
• 스펙트럼 추정(퍼리오그램 및 모델 시뮬레이션 스펙트럼), 잔차 백색성(코모고로프-스미르노프 검정), 잔차 분산 감소율을 사용하여 모델 성능 비교.
• 다항식 기반 비선형 모델링을 사용하며, 임베딩 지연 τ = 10, 회귀 차수 최대 4로 설정하고 잔차 분산 무릎과 스펙트럼 일치도를 기준으로 모델 선택.

실험 결과

연구 질문

• RQ1 관측 노이즈는 생리적 진동 시간계열의 선형 및 비선형 모델에서 매개변수 추정에 어떻게 영향을 미치는가?
• RQ2 관측 노이즈를 명시적으로 고려하는 선형 상태공간 모델(LSSM)이 노이즈를 무시하는 표준 AR 모델보다 스펙트럼 피팅 및 매개변수 정확도 측면에서 뛰어나게 성능을 발휘할 수 있는가?
• RQ3 관측 노이즈가 존재할 경우 Bock의 알고리즘이 결정론적 비선형 역학의 모델링을 얼마나 향상시킬 수 있는가?
• RQ4 왜 좋은 데이터 피팅을 보이는 비선형 모델의 매개변수는 생리학적 또는 물리적 의미를 부여하기 어려운가?
• RQ5 노이즈 오차 추정 오류가 시간계열에서 결정론적 혼돈과 확률적 과정을 구분하는 데 어떤 영향을 미치는가?

주요 결과

• 생리적 진동 데이터의 신호 대 노이즈 비율은 상대적 진폭 기준 약 0.93로, 상당한 관측 노이즈가 존재함을 시사한다.
• 표준 AR 모델에 비해 선형 상태공간 모델(LSSM)이 데이터에 더 나은 피팅을 제공하며, 특히 약 7.5 Hz에서 넓은 스펙트럼 피크를 잘 포착함.
• LSSM은 관측 노이즈 η(t)의 분산 R을 명시적으로 모델링하여, 공정 노이즈와 측정 노이즈를 혼동하는 AR 모델보다 더 정확한 매개변수 추정을 가능하게 함.
• 임베딩 지연 τ = 10, 회귀 차수 3인 4차 다항식 기반 비선형 모델이 양호한 피팅을 보였으며, 잔차 분산에 명확한 무릎이 나타나고 잔차는 백색성을 띠었지만, 생리학적 해석은 부여하지 않음.
• 모델 시뮬레이션 스펙트럼이 실측 퍼리오그램과 거의 일치하며, τ = 10 샘플링으로 인해 13.5 Hz 근처에 앨리어스 피크가 나타남.
• 좋은 피팅에도 불구하고 비선형 모델의 매개변수는 생리학적 또는 물리적 의미로 유의미하게 해석될 수 없었으며, 이는 복잡한 시스템의 비선형 모델링에서의 핵심 한계를 드러냄.