[논문 리뷰] Noise reduction in chaotic time series by a local projection with nonlinear constraints

Krzysztof Urbanowicz, Janusz A. Hołyst외 2명|TUbilio (Technical University of Darmstadt)|2003. 08. 26.

Neural Networks and Applications인용 수 15

한 줄 요약

이 논문은 혼돈 시계열에서의 잡음 감소를 위해 비선형 제약 조건을 갖춘 局소 투영 방법(LPNC)을 제안한다. 애트랙터의 결정론적 구조를 활용하여 강인성을 향상시킨다. 데라운레이 삼각분할에서 유도된 기하학적 제약 조건을 통합하고 제약 조건이 있는 최적화 문제를 해결함으로써, 표준 국소 투영 방법과 비슷한 잡음 감소 성능를 달성하지만, 매개변수 추정 오차에 대해 더 높은 안정성을 확보한다. 헨온, 로렌츠, 추아 회로 데이터를 바탕으로 검증되었다.

ABSTRACT

On the basis of a local-projective (LP) approach we develop a method of noise reduction in time series that makes use of nonlinear constraints appearing due to the deterministic character of the underlying dynamical system. The Delaunay triangulation approach is used to find the optimal nearest neighboring points in time series. The efficiency of our method is comparable to standard LP methods but our method is more robust to the input parameter estimation. The approach has been successfully applied for separating a signal from noise in the chaotic Henon and Lorenz models as well as for noisy experimental data obtained from an electronic Chua circuit. The method works properly for a mixture of additive and dynamical noise and can be used for the noise-level detection.

연구 동기 및 목표

• 시계열 데이터에서 혼돈 애트랙터의 구조가 잡음에 의해 가림 문제를 해결하기 위해.
• 혼돈 시스템의 결정론적 역학에서 유도된 비선형 기하학적 제약 조건을 통합하여 표준 국소 투영(LP) 방법을 개선하기 위해.
• 임베딩 차원과 지연 시간과 같은 입력 매개변수에 대한 불확실성에 강인한 잡음 감소 기법을 개발하기 위해.
• 모의 혼돈 시스템과 실제 실험 데이터에서 잡음 수준 추정 및 신호 복원을 정확하게 수행할 수 있도록 하기 위해.
• 시스템 운동 방정식의 局소 선형화에서 유도된 제약 조건을 국소 투영 방법에 통합하여 확장하기 위해.

제안 방법

• 시간 지연를 사용하여 타카엔의 임베딩 정리에 따라 상태 벡터를 재구성한다.
• 재구성된 위상 공간에서 최적의 근접 이웃을 식별하기 위해 데라운레이 삼각분할을 적용한다.
• 시스템의 동역학에 대한 局소 선형화에서 유도된 비선형 제약 조건을 도입하며, 이는 $ H_q^{(n)}(\tilde{\mathbf{x}}_{n+1}, \tilde{\mathbf{x}}_n, \ldots) = 0 $ 로 표현된다.
• 제약 조건이 있는 최적화 문제를 해결하여 제곱 보정의 합을 최소화한다: $ \tilde{S}_n^{NN} = \sum_s (\delta x_s)^2 + \lambda_n^m G_m^d(\mathbf{X}_n^{NN}) $, 여기서 $ G_m^d $ 는 기하학적 제약 조건을 표현한다.
• 보정량 $ \delta x_n $ 를 계산하기 위해 선형 시스템 $ \mathbf{M}_n \cdot \delta\mathbf{X}_n^\lambda = \mathbf{B}_n $ 을 유도한다. 이때 행렬 원소 $ [\mathbf{M}_n]_{lm} $ 는 상태 차이의 가중합으로 정의된다.
• 고차원 임베딩을 다루기 위한 다차원 일반화된 해법을 사용하여 최적화 프레임워크 내에서 일관성을 유지한다.

실험 결과

연구 질문

• RQ1 혼돈 시스템의 결정론적 역학에서 유도된 비선형 기하학적 제약 조건이 표준 국소 투영 방법과 비교해 잡음 감소 성능 향상에 기여하는가?
• RQ2 가감성 잡음과 역학적 잡음이 동시에 존재할 경우 LPNC 방법의 잡음 감소 성능는 어떠한가?
• RQ3 임베딩 차원과 시간 지연와 같은 입력 매개변수의 오차에 대해 LPNC 방법은 어느 정도 강인한가?
• RQ4 사전 지식 없이도 LPNC 방법이 시계열의 잡음 수준을 감지할 수 있는가?
• RQ5 Henon 및 Lorenz와 같은 혼돈 시스템과 추아 회로의 실험 데이터에서, 이 방법은 기저의 애트랙터 구조를 유지하는가?

주요 결과

• Henon 및 Lorenz 애트랙터에서의 실험을 통해 LPNC 방법이 표준 국소 투영 방법과 비슷한 잡음 감소 성능를 확보함을 입증하였다.
• 특히 잡음이 많거나 최적화되지 않은 임베딩 매개변수를 사용할 경우, 전통적인 LP 방법보다 훨씬 더 높은 강인성을 확보하였다.
• 실제 추아 전자 회로에서의 실험 데이터에서 LPNC 방법이 신호와 잡음을 성공적으로 분리함으로써, 실제 혼돈 시스템에의 적용 가능성을 확인하였다.
• 사전 분리가 필요 없이 가감성 잡음과 역학적 잡음을 모두 효과적으로 처리하였다.
• 제약 조건이 있는 최적화 프레임워크 덕분에, 시뮬레이션 데이터의 알려진 잡음 수준과의 비교를 통해 정확한 잡음 수준 추정이 가능함을 검증하였다.
• 근접 이웃 선택에 데라운레이 삼각분할을 사용함으로써 국소 근사의 기하학적 정확도가 향상되어 안정성과 정확도 향상에 기여하였다.