경계층 난류에서 경험적 모드 분해를 이용한 강제 진동 분리와 복원

초록

본 연구는 경험적 모드 분해(EMD)와 새로운 “유사성” 기준을 활용해, 장기간 플랩을 모사한 인공 강제가 섞인 전이 난류 속도 신호에서 강제 진동을 효과적으로 구분하고 제거하는 방법을 제시한다. 단일 주파수 사인파와 시간 변동 선형 챱(Chirp) 강제에 대해 복원 정확도를 평가했으며, 에너지 스펙트럼과 구조함수 분석을 통해 강제 주파수가 에너지 함유 난류와 겹칠 때 발생하는 한계도 논의한다.

상세 분석

이 논문은 전통적인 고역통과 필터링이 난류 신호의 다중 스케일 특성을 충분히 반영하지 못한다는 점에 착안해, 경험적 모드 분해(EMD)를 기반으로 한 새로운 데이터 정제 절차를 제안한다. EMD는 신호를 고유 모드 함수(IMF)들의 합으로 분해하는 비선형·비정상 분석 기법으로, 각 IMF가 원래 신호의 국부적 진동 특성을 보존한다는 장점이 있다. 저자들은 “유사성(Resemblance) 기준”을 정의하여, 강제 진동이 포함된 IMF와 순수 난류 IMF를 정량적으로 구분한다. 구체적으로, 각 IMF를 원 신호와 재구성 신호에 대해 상관계수와 에너지 비율을 계산하고, 일정 임계값 이하인 IMF를 ‘오염된 모드’로 판정한다. 이렇게 선정된 오염된 IMF들을 제외하고 남은 IMF들을 역변환하면, 강제 성분이 제거된 난류 신호를 복원할 수 있다.

실험에서는 전이 난류 흐름에 인공 사인파 강제(주파수와 진폭을 다양하게 변조)와 선형 챱(시간에 따라 주파수가 선형적으로 변하는 신호)를 추가하였다. 복원된 신호와 원본 난류 신호 사이의 평균 제곱 오차, 스펙트럼 차이, 2차 및 3차 구조함수 등을 통해 복원 품질을 정량화하였다. 결과는 강제 주파수가 에너지 함유 스케일(대형 와류)과 겹치지 않을 때 거의 완벽한 복원을 보여준다. 반면, 강제 주파수가 대형 와류 스케일과 중첩될 경우, 일부 IMF가 난류와 강제 성분을 동시에 포함하게 되어 완전한 분리가 어려워진다. 이는 EMD가 스케일 간 경계가 모호한 경우 모드 혼합(mode mixing) 현상이 발생하기 때문이다. 저자들은 이러한 한계를 완화하기 위해 ‘완전 모드 정렬(complete mode alignment)’과 같은 사전 처리 기법을 제안하지만, 근본적인 해결은 아직 남아 있다.

또한, 선형 챱 강제에 대해서는 주파수 스펙트럼이 넓게 퍼져 있기 때문에, 고정된 임계값만으로는 모든 오염된 IMF를 포착하기 어렵다. 저자는 시간-주파수 플롯을 활용해 동적으로 임계값을 조정하는 방법을 시연했으며, 이 경우에도 전체 복원 정확도는 90% 이상을 유지했다. 최종적으로, 본 연구는 EMD 기반의 비선형 필터링이 전통적인 푸리에 기반 고역통과보다 난류와 인공 강제의 복합 신호를 더 정교하게 분리할 수 있음을 입증한다.