비정상 시계열 비선형성 검증을 위한 밴드위상 랜덤 서러게이트

본 논문은 비정상(비정규) 시계열 데이터에서 비선형성을 검증하기 위한 새로운 서러게이트 생성 기법을 제시한다. 서론에서는 J.Theiler가 제안한 서러게이트 데이터 방법이 비선형성 검정에 널리 사용되고 있으나, 데이터가 비정상일 경우 선형 가정이 깨져 잘못된 결론을 초래한다는 점을 강조한다. 기존의 선형 서러게이트 방법(RS, RP, AAFT 및 iAAFT)은 전체 푸리에 위상을 무작위화하거나 순위 재배열을 통해 선형 상관과 진폭 분포를 보존하지만, 비정상 데이터에서는 트렌드, 스파이크, 변동 주기 등이 시간에 따라 변하기 때문에 이러한 방법으로는 데이터와 서러게이트 사이에 불필요한 차이가 발생한다. 이에 대한 기존 대안으로는 Schreiber의 시뮬레이드 어닐링 기반 서러게이트, Schmitz와 Schreiber의 구간 분할 방식, Nakamura와 Small의 Small Shuffle Surrogate(SSS), 그리고 Truncated Fourier Transform Surrogate(TFTS) 등이 있다. SSS는 전체 데이터를 작은 스케일에서만 무작위화해 트렌드를 보존하려 했으나, 저주파와 고주파 구분이 모호하고 파라미터 선택이 어려웠다. TFTS는 고주파 영역만 위상을 무작위화하는 아이디어를 도입했지만, 절단 주파수 f_c 선택에 따라 서러게이트가 원본과 거의 동일하거나 완전히 선형 서러게이트와 유사해지는 문제점이 있었다. 본 연구는 이러한 한계를 극복하기 위해 ‘밴드‑위상 랜덤 서러게이트(Band‑Phase‑Randomized Surrogates)’를 제안한다. 핵심 아이디어는 푸리에 변환 후, 저주파(느린 변동) 영역의 위상은 그대로 유지하고, 고주파(빠른 변동) 영역의 위상만 무작위화한다는 것이다. 이를 통해 서러게이트는 원본 데이터와 동일한 자기상관 함수 AC(τ)와 파워 스펙트럼을 유지하면서, 고주파에 내재된 비선형 구조만을 파괴한다. 파라미터는 무작위화할 주파수 비율 p 또는 절단 주파수 f_c 이며, 저자는 데이터의 선형 특성이 보존되는 최소 f_c 값을 자동 탐색하는 절차를 제시한다. 실험은 두 부분으로 나뉜다. 첫 번째는 시뮬레이션 데이터로, AR(2) 모델을 이용해 선형 정상(LS), 선형 비정상(LNS) 신호를 생성하고, 비선형 로지스틱 맵 변형을 통해 비선형 정상(NLS) 및 비선형 비정상(NLNS) 신호를 만든다. 각 신호에 대해 기존 RP·AAFT 서러게이트와 제안된 밴드‑위상 랜덤 서러게이트를 생성하고, 비선형성 검정 통계량(예: 상호정보, 비선형 예측 오류)으로 비교한다. 결과는 LS에 대해서는 두 방법 모두 통계적으로 구별되지 않으며, LNS와 NLS, NLNS에 대해서는 밴드‑위상 랜덤 서러게이트가 기존 방법보다 높은 검출력을 보였음을 보여준다. 특히 NLNS에서는 고주파 위상만 무작위화함으로써 저주파 트렌드와 스파이크를 그대로 유지하면서도 비선형성 지표가 유의하게 변한다. 두 번째는 실제 생리학적 데이터인 MIT‑BIH 정상 심박 변동(HRV) 시계열을 대상으로 한다. HRV 데이터는 종종 스파이크와 급격한 변동을 포함하는 비정상성을 보이며, 기존 AAFT·TFTS 서러게이트는 이러한 특성을 손상시킨다. 제안된 방법을 적용하면, 원본 데이터와 시각적으로 유사하면서도 고주파 위상만 무작위화된 서러게이트가 생성된다. 비선형성 검정 결과, 원본과 서러게이트 사이에 통계적으로 유의한 차이가 나타났으며, 이는 HRV 신호가 선형 모델만으로는 설명될 수 없음을 의미한다. 논의에서는 밴드‑위상 랜덤 서러게이트의 장점을 정리한다. 첫째, 비정상성을 명시적으로 모델링하지 않아도 저주파 구조를 보존한다. 둘째, 파라미터 선택이 비교적 직관적이며 자동화 가능하다. 셋째, 구현이 간단하고 계산 비용이 낮아 대규모 데이터에 적용하기 용이하다. 또한, 비선형성 검정에 사용되는 통계량이 충분히 민감해야 한다는 점을 강조하며, 제안된 방법이 이러한 통계량과 결합될 때 최적의 성능을 발휘함을 실험을 통해 입증한다. 마지막으로, 향후 연구 방향으로는 다중 채널 데이터, 비선형 AR 모델 기반 서러게이트, 그리고 머신러닝 기반 비선형성 지표와의 결합을 제시한다. 결론적으로, 밴드‑위상 랜덤 서러게이트는 비정상 시계열에서 선형 상관을 유지하면서 고주파 비선형성을 효과적으로 검출할 수 있는 강력한 도구이며, 특히 심박 변동, 뇌파, 근전도 등 시간에 따라 통계적 특성이 변하는 생리학적 신호 분석에 큰 활용 가능성을 제공한다.