[논문 리뷰] Nonlinear Mode Decomposition: a noise-robust, adaptive, decomposition method based on the synchrosqueezed wavelet transform

Dmytro Iatsenko, Aneta Stefanovska외 1명|arXiv (Cornell University)|2012. 07. 24.

Machine Fault Diagnosis Techniques인용 수 6

한 줄 요약

이 논문은 잡음에 강건하고 적응형인 신호 분해 방법인 비선형 모드 분해(NMD)를 제안한다. NMD는 동기화완충파도트랜스폼과 가짜 자료 테스트를 조합하여 신호에서 물리적으로 의미 있는 진동을 추출하면서 잡음을 억제한다. NMD는 EMD, ICA, KLE와 같은 기존 방법들보다 시뮬레이션 및 실제 신호에서 더 뛰어난 성능을 보이며, 상호의존적인 진동을 적응적으로 식별하고 결정론적 성분과 무작위 성분을 구분한다.

ABSTRACT

We introduce a new adaptive decomposition tool, which we refer to as Nonlinear Mode Decomposition (NMD). It decomposes a given signal into a set of physically meaningful oscillations for any waveform, simultaneously removing the noise. NMD is based on the powerful combination of time-frequency analysis techniques - which together with the adaptive choice of their parameters make it extremely noise-robust - and surrogate data tests, used to identify interdependent oscillations and to distinguish deterministic from random activity. We illustrate the application of NMD to both simulated and real signals, and demonstrate its qualitative and quantitative superiority over the other existing approaches, such as (ensemble) empirical mode decomposition, Karhunen-Loeve expansion and independent component analysis. We point out that NMD is likely to be applicable and useful in many different areas of research, such as geophysics, finance, and the life sciences. The necessary MATLAB codes for running NMD are freely available at this http URL.

연구 동기 및 목표

• 복잡하고 잡음이 많은 신호에서 물리적으로 의미 있는 진동을 효과적으로 추출할 수 있는 강건하고 적응형 신호 분해 방법을 개발하는 것.
• EMD, ICA, KLE와 같은 기존 방법들이 잡음과 상호의존적인 성분을 다룰 때 겪는 한계를 해결하는 것.
• 가짜 자료 테스트를 통해 결정론적 진동 활동과 무작위 변동 사이를 구분하는 것.
• 비정상적이고 비선형 파형을 포함한 다양한 신호 유형에 대해 신뢰할 수 있는 분해를 가능하게 하는 것.
• 지구과학, 금융, 생명과학 등 다양한 분야에 적용 가능한 일반 목적의 도구를 제공하는 것.

제안 방법

• NMD는 입력 신호의 고해상도 시간-주파수 분석을 위해 동기화완충파도트랜스폼을 사용한다.
• 신호 특성에 따라 적응적으로 웨이블릿 파arameter를 선택하여 시간-주파수 국소화를 향상시킨다.
• 가짜 자료 테스트를 적용하여 상호의존적인 진동을 식별하고 결정론적 성분의 존재를 검증한다.
• 동기화완충을 이용해 시간-주파수 평면에서 에너지를 재할당하여 내재 모드 유사 성분으로 신호를 분해한다.
• 가짜 자료 분포에서 유의미하게 벗어나지 않는 성분을 기각함으로써 잡음 억제를 달성한다.
• 구현을 위해 MATLAB 코드를 제공하여 광범위한 접근성과 재현 가능성을 확보한다.

실험 결과

연구 질문

• RQ1 복잡한 신호에서 물리적으로 의미 있는 진동을 잡음과 효과적으로 분리할 수 있는 분해 방법을 개발할 수 있는가?
• RQ2 EMD, ICA, KLE와 같은 기존 방법들과 비교하여 NMD는 잡음에 대한 강건성과 분해 정확도 측면에서 정량적·정성적으로 어떻게 성능을 발휘하는가?
• RQ3 가짜 자료 테스트는 잡음이 많은 신호에서 결정론적 진동 성분의 식별을 어느 정도 향상시킬 수 있는가?
• RQ4 NMD는 실제 신호와 시뮬레이션 신호에서 상호의존적인 진동을 신뢰성 있게 탐지하고 분리할 수 있는가?
• RQ5 동기화완충파도트랜스폼에서의 적응형 파arameter 선택은 분해 성능을 어떻게 향상시키는가?

주요 결과

• NMD는 특히 저 SNR 조건에서 EMD, ICA, KLE보다 뛰어난 잡음에 대한 강건성을 보였다.
• 가짜 자료 테스트를 활용하여 결정론적 구조를 검증함으로써 상호의존적인 진동을 성공적으로 식별하고 분리하였다.
• 기존의 EMD와 KLE보다 더 높은 시간-주파수 해상도를 확보하여 비선형적이고 비정상적인 신호의 보다 정확한 분해를 가능케 하였다.
• 분해 결과는 물리적으로 해석 가능했으며, 시뮬레이션 및 실제 신호 모두에서 의미 있는 진동 모드에 해당하는 성분을 포함하였다.
• 적응형 웨이블릿 파arameter의 사용은 시간-주파수 평면에서 진동 성분의 국소화를 크게 향상시켰다.
• 오픈소스 MATLAB 코드의 제공은 연구 분야 전반에서의 널리 퍼진 채택과 재현 가능성을 촉진한다.