강한 측정 잡음 하에서 확률적 시계열 분석 방법

초록

본 논문은 가우시안 형태의 지수 상관 측정 잡음이 섞인 Langevin‑type 확률 과정의 시계열을 분석하는 새로운 방법을 제시한다. 측정 잡음의 강도와 상관 시간, 그리고 기본 Langevin 방정식의 드리프트·확산 함수에 대한 다항식 근사를 동시에 추정할 수 있다.

상세 분석

이 연구는 실험·관측 데이터에서 흔히 나타나는 강한 측정 잡음이 시스템의 내재적 확률 동역학을 가려버리는 문제를 해결하고자 한다. 기존의 Kramers‑Moyal 전개 기반 방법은 잡음이 약할 때만 유효했으며, 잡음이 강하거나 시간 상관을 가질 경우 조건부 모멘트가 왜곡되어 드리프트와 확산을 정확히 복원할 수 없었다. 저자들은 먼저 측정 잡음을 가우시안이며 지수적으로 시간 상관을 갖는 Ornstein‑Uhlenbeck 과정으로 모델링한다. 이때 잡음의 자기상관 함수는 ⟨η(t)η(t+τ)⟩=σ² e^{-|τ|/τ_c} 로 표현된다.

핵심 아이디어는 관측된 시계열 x(t)=y(t)+η(t) (y는 실제 시스템 변수) 에 대해 두 단계의 역변환을 수행하는 것이다. 첫 번째 단계에서는 관측된 1차·2차 조건부 모멘트 M^{(1)}(x,Δt), M^{(2)}(x,Δt)를 측정하고, 이들을 Δt에 대한 테일러 전개로부터 드리프트 D^{(1)}(x)와 확산 D^{(2)}(x)와의 관계식에 대입한다. 두 번째 단계에서는 잡음의 자기상관을 고려한 보정 항을 추가함으로써, 실제 시스템 모멘트와 관측 모멘트 사이의 선형 연립 방정식을 만든다. 이 연립 방정식은 σ와 τ_c를 포함하는 파라미터 집합에 대해 선형 최소제곱법으로 해결 가능하며, 동시에 D^{(1)}와 D^{(2)}를 다항식 형태로 근사한다.

수학적으로는 관측된 2차 모멘트 M^{(2)}가 잡음의 분산 σ²와 상관 시간 τ_c에 의해 추가적인 항을 갖는다는 점을 이용한다. 구체적으로, Δt가 충분히 작을 때 M^{(2)}(x,Δt)=2 D^{(2)}(x) Δt+σ² (1−e^{-Δt/τ_c})+O(Δt²) 로 전개된다. 여기서 첫 번째 항은 시스템 자체의 확산, 두 번째 항은 측정 잡음의 기여이다. Δt를 여러 값으로 변화시켜 선형 회귀를 수행하면 σ와 τ_c를 동시에 추정할 수 있다.

이 방법의 장점은 (1) 잡음이 강해도 안정적인 파라미터 추정이 가능하고, (2) 잡음의 시간 상관을 명시적으로 모델링함으로써 기존의 백색 잡음 가정보다 현실적인 상황을 반영한다는 점이다. 또한, 다항식 차수를 자유롭게 선택함으로써 비선형 드리프트·확산 함수도 유연하게 근사할 수 있다. 실험적 검증에서는 합성 데이터와 실제 물리 실험 데이터를 이용해 추정된 σ, τ_c, D^{(1)}, D^{(2)}가 원래 설정값과 높은 일치도를 보였으며, 특히 잡음 강도가 신호 진폭보다 큰 경우에도 정확한 복원이 가능함을 입증하였다.