탐사 지구물리학을 위한 확률 공명 활용 방안

본 논문은 확률 공명(Stochastic Resonance, SR) 현상을 탐사 지구물리학에 적용하고, 이를 통해 신호‑잡음비(S/N)를 향상시킬 수 있는 가능성을 실증적으로 검증한다. SR은 전통적인 잡음 제거와는 달리, 적절한 양의 잡음을 추가함으로써 신호 검출 능력이 오히려 개선되는 현상으로, 기후학에서 처음 보고된 이후 물리·생물·공학 등 다양한 분야에 확산되었다. 저자는 이러한 SR을 탐사 지구물리학, 특히 짧은 시간 동안 대용량 데이터를 수집하는 바이브로시스(Vibroseis)와 같은 고주파 탐사 기법에 적용하고자 한다. 핵심 이론적 배경으로, 저자는 기존 푸리에 스펙트럼 분석(Fourier Spectral Analysis, FSA)의 한계점을 지적한다. FSA는 연속적인 데이터와 나이퀴스트 주파수 제한을 전제로 하며, 데이터에 갭이 존재하거나 불연속성이 클 경우 스펙트럼 왜곡이 발생한다. 반면, 가우스‑바니첵 분산 스펙트럼 분석(Gauss‑Vaníček Spectral Analysis, GVSA)은 최소제곱 기반의 분산‑정규화 방법으로, 데이터 갭에 거의 민감하지 않으며 사전 주파수 해상도 설정 없이 전체 대역에 대한 스펙트럼을 산출한다. GVSA는 특히 90 % 이상 불연속적인 장기 기록(예: 기후·천문 데이터)에서 유용함이 입증되었으며, 이 논문에서는 고주파 탐사 데이터에도 적용 가능함을 보여준다. 연구 방법은 다음과 같이 단계적으로 진행된다. 1. **합성 데이터 생성**: 단일 스테이션에서 10–200 Hz 대역을 포함하는 합성 지진파(trace S)를 만든다. 이 데이터는 기본적인 신호와 인위적인 조화 잡음(harmonic noise)을 포함한다. 2. **GVSA와 SFT 비교**: 동일한 합성 데이터를 GVSA와 단시간 푸리에 변환(Short‑time Fourier Transform, SFT)으로 분석하여 분산 스펙트럼(GV VS)과 전력 스펙트럼(GV PS)을 산출한다. 이를 통해 두 방법의 기본 성능을 검증한다. 3. **데이터 정제(Data Purification) 실험**: 데이터의 일부를 의도적으로 제거하거나 ‘정제’한다. 두 가지 방식이 있다. - **체계적 제거**: 짝수 인덱스 값을 순차적으로 제거해 0.5 %부터 50 %까지 0.5 % 간격으로 감소시킨 A_i 시리즈를 만든다. 이는 가장 악조건(편향) 상황을 모사한다. - **무작위 제거**: 무작위로 1 %~50 %까지 데이터를 삭제한 B_i 시리즈를 만든다. 이는 실제 현장 데이터에서 발생할 수 있는 비체계적 결측을 모사한다. 4. **잡음 주입 실험**: 위 두 정제 실험에 가우시안 화이트 노이즈를 추가해 S*를 만든 뒤, 동일한 정제 과정을 적용해 C_i 시리즈를 만든다. 이는 ‘잡음 + 정제’가 SR을 유도하는지를 확인한다. 5. **스펙트럼 비교 및 평가**: 각 시리즈에 대해 GVSA와 SFT를 적용하고, 주요 피크의 진폭, 유의 수준(99 % 신뢰구간), 주파수 정확도를 비교한다. 또한, 정제 비율에 따른 스펙트럼 변화를 시각화해 ‘언더퍼포먼스’ 시점을 파악한다. 실험 결과는 다음과 같다. - **GVSA의 강인성**: 데이터가 일정 비율(≈10 % 이상) 삭제되었을 때, GVSA는 여전히 주요 피크를 99 % 유의 수준 이상으로 유지했으며, 스펙트럼 배경이 거의 선형으로 평탄했다. 반면 SFT는 동일 조건에서 피크 진폭이 급격히 감소하고, 고주파 영역에서 잡음이 크게 부각되었다. - **SR 효과 확인**: 적당한 양의 가우시안 잡음(신호 대비 약 5–10 dB)을 추가하면, 원래 미검출이던 고주파 피크가 GVSA 스펙트럼에서 뚜렷이 나타났다. 특히 20 % 정도의 데이터 삭제와 5 % 수준의 잡음 주입을 동시에 적용했을 때, S/N이 최대 3 dB까지 향상되는 현상이 관찰되었다. 이는 SR의 전형적인 ‘노이즈가 신호를 활성화한다’는 메커니즘과 일치한다. - **정제와 SR의 상호작용**: 무작위 정제(B_i, C_i)에서는 정제 비율이 증가함에 따라 GVSA 피크 진폭이 점진적으로 상승했으며, 이는 ‘정보 과부하’를 감소시켜 분산‑스펙트럼이 실제 신호에 집중하게 되는 효과를 의미한다. 체계적 정제(A_i)에서는 가장 악조건에도 불구하고 GVSA가 일정 수준 이상의 피크를 유지했으며, 이는 GVSA가 데이터 순서에 민감하지 않다는 점을 강조한다. 이러한 결과는 탐사 지구물리학에서 흔히 마주치는 ‘짧은 시간에 대량의 고밀도 데이터, 높은 잡음 수준, 불연속적 결측’이라는 문제에 대한 새로운 해결책을 제시한다. 기존에는 잡음을 제거하고 데이터 보간(padding, tapering 등)을 통해 FSA 기반 처리를 시도했지만, 본 연구는 오히려 잡음 주입과 선택적 데이터 삭제를 전략적으로 활용해 SR을 유도하고, GVSA를 통해 보다 정확한 주파수·진폭 추정이 가능함을 보여준다. 결론적으로, 저자는 (1) GVSA가 불연속·고밀도 데이터에 적합한 스펙트럼 분석 도구이며, (2) 잡음 추가와 데이터 정제가 결합될 때 SR을 통해 신호 검출 능력이 향상될 수 있음을 입증했다. 향후 연구에서는 실제 현장에서 수집된 바이브로시스, 지진계, 중력계 데이터에 동일 프로토콜을 적용해 SR 기반 신호 향상 기법을 검증하고, 최적의 잡음 수준 및 정제 비율을 정량화하는 작업이 필요하다고 제언한다.