[논문 리뷰] Sparse Time Frequency Representations and Dynamical Systems

Thomas Y. Hou, Zuoqiang Shi외 1명|arXiv (Cornell University)|2013. 12. 01.

Structural Health Monitoring Techniques참고 문헌 29인용 수 7

한 줄 요약

이 논문은 데이터 기반 시간-주파수 분석과 이阶 동역학 시스템 사이의 이론적 연결을 수립하며, 각 내재 모드 함수(Intrinsic Mode Function, IMF)가 비선형 이阶 상미분방정식(ODE)의 해와 관련이 있음을 보여준다. 이 방법은 다항식 기저에서 희소 최적화를 사용하여 ODE의 계수를 복원함으로써 신호 성분의 비선형성 정도를 정량화할 수 있으며, 수치 결과는 잡음에 대한 강건성을 입증한다.

ABSTRACT

In this paper, we establish a connection between the recently developed data-driven time-frequency analysis \cite{HS11,HS13-1} and the classical second order differential equations. The main idea of the data-driven time-frequency analysis is to decompose a multiscale signal into a sparsest collection of Intrinsic Mode Functions (IMFs) over the largest possible dictionary via nonlinear optimization. These IMFs are of the form $a(t) \cos(θ(t))$ where the amplitude $a(t)$ is positive and slowly varying. The non-decreasing phase function $θ(t)$ is determined by the data and in general depends on the signal in a nonlinear fashion. One of the main results of this paper is that we show that each IMF can be associated with a solution of a second order ordinary differential equation of the form $\ddot{x}+p(x,t)\dot{x}+q(x,t)=0$. Further, we propose a localized variational formulation for this problem and develop an effective $l^1$-based optimization method to recover $p(x,t)$ and $q(x,t)$ by looking for a sparse representation of $p$ and $q$ in terms of the polynomial basis. Depending on the form of nonlinearity in $p(x,t)$ and $q(x,t)$, we can define the degree of nonlinearity for the associated IMF. %and the corresponding coefficients for the associated highest order nonlinear terms. This generalizes a concept recently introduced by Prof. N. E. Huang et al. \cite{Huang11}. Numerical examples will be provided to illustrate the robustness and stability of the proposed method for data with or without noise. This manuscript should be considered as a proof of concept.

연구 동기 및 목표

• 데이터로부터 비정상적이고 다중스케일인 신호의 비선형성 정도를 정량화하는 방법을 개발하는 것.
• 내재 모드 함수(IMF)와 이阶 상미분방정식(ODE) 사이의 이론적 연결을 수립하는 것.
• 노이즈가 있는 신호로부터 ODE 계수를 복원하기 위한 데이터 기반 희소 최적화 프레임워크를 제공하는 것.
• 개별 신호 성분을 동역학 시스템의 해로 분석함으로써 물리적 일관성을 유지하는 것.
• 특히 생물의학 및 공학 분야의 복잡한 신호에서 비선형성 탐지에 대해 강건하고 안정적인 방법을 제공하는 것.

제안 방법

• IMF를 형태 $\ddot{x} + p(x,t)\dot{x} + q(x,t) = 0$ 의 이阶 ODE의 해로 공식화한다.
• 노이즈가 있는 데이터로부터 안정적인 계수 복원을 가능하게 하기 위해 局소화된 변분 공식을 개발한다.
• 다항식 기저 함수에서 $p(x,t)$ 및 $q(x,t)$ 의 희소 표현을 찾기 위해 $l^1$-기반 최적화를 적용한다.
• 계수 $p(x,t)$ 및 $q(x,t)$ 의 구조에 기반한 비선형성 정도 지표를 도입하여 이전 개념을 일반화한다.
• 계수 복원의 수치적 안정성을 향상시키기 위해 ENO 유사 재구성 기법을 도입한다.
• 바나일로 폴과 조화 성분을 포함한 알려진 역학을 갖는 신호에서의 수치 실험을 통해 방법을 검증한다.

실험 결과

연구 질문

• RQ1 데이터 기반 시간-주파수 분석에서 유도된 각 IMF는 이阶 ODE와 연결될 수 있는가?
• RQ2 관련된 ODE 계수를 사용하여 IMF의 비선형성은 어떻게 정량화할 수 있는가?
• RQ3 다항식 기저에서의 희소 최적화는 노이즈가 있는 데이터로부터 주어진 ODE의 계수를 신뢰성 있게 복원할 수 있는가?
• RQ4 제안된 방법은 비선형성 탐지와 함께 신호 성분의 물리적 일관성을 유지하는가?
• RQ5 이 방법은 잡음과 복잡한 신호 조합에 대해 얼마나 강건한가?

주요 결과

• 10%의 화이트 노이즈가 존재하는 상황에서도, 그림 8과 10에서 보듯이, 방법은 신호의 IMF를 지배하는 ODE의 진짜 계수를 성공적으로 복원한다.
• 복원된 비선형성 정도는 정확한 값과 매우 유사하게 나타나, 비선형성 정량화의 높은 정확도를 입증한다 (그림 12 및 13).
• ENO 유사 재구성 기법의 포함으로 계수 복원의 안정성이 크게 향상되었으며, 특히 노이즈가 많은 조건에서 두드러진다.
• 다양한 성분(예: 바나일로 폴,余弦, 추세, 노이즈)으로 구성된 신호에 대해서도, 방법은 각 IMF의 역학적 행동을 정확히 분리하고 분석할 수 있다.
• 이 방법은 복잡한 신호에서 주요 비선형성을 탐지할 수 있으며, 시스템 식별을 위한 개념 증명으로서의 유효성을 입증한다.
• 수치 결과는 다양한 신호 유형과 노이즈 수준에서 방법의 강건성과 안정성을 확인한다.