복잡한 비정상 잡음 하에서 동기압축 변환의 불확실성 정량화

초록

본 논문은 복잡하고 비정상적인 잡음이 섞인 진동 신호에 대해, 단시간 푸리에 변환(STFT)과 STFT 기반 동기압축 변환(SST)으로 얻은 시간‑주파수 표현(TFR)의 불확실성을 부트스트랩 방법으로 정량화한다. 고차원 가우시안 근사 기법을 활용해 비정상 프로세스의 순차적 가우시안 근사를 구축하고, 이를 통해 이산 STFT가 복소 가우시안 랜덤 필드에 근접함을 이론적으로 증명한다. 또한, 적응 조화 모델(AHM)을 만족하는 신호에 대해 SST 기반 재구성의 강인성을 비정상 잡음 하에서도 확보하고, 지역적으로 정Stationary한 잡음에 대해 시변 자기회귀(tvAR) 부트스트랩을 설계해 SST TFR의 신뢰구간을 제공한다. 시뮬레이션과 EEG 스핀들 분석을 통해 실용성을 검증한다.

상세 분석

이 논문은 세 가지 핵심 기술적 난관을 체계적으로 해결한다. 첫 번째는 비가우시안·비정상 잡음이 존재할 때 이산 STFT가 생성하는 시간‑주파수 표현이 복소 가우시안 랜덤 필드에 근접한다는 정량적 근거를 제공하는 것이다. 이를 위해 최근 개발된 고차원 가우시안 근사 이론(예: Chernozhukov‑Chetverikov‑Kato)과 블로킹 전략을 결합해 ‘순차적 가우시안 근사’를 구축한다. 가정 2.2에서 제시된 물리적 의존도 측정 θ_q(k)의 다항식 감소와 유한 p‑차 모멘트 조건을 만족하면, 창 길이가 충분히 클 때 각 TF 포인트의 합산 가중치가 중심극한정리와 유사하게 가우시안으로 수렴한다는 결과를 정리 6.2에 명시한다.

두 번째 난관은 SST가 비정상 잡음에 대해 얼마나 강인한지를 이론적으로 입증하는 것이다. 기존 연구는 주로 잡음이 정Stationary 가우시안이라고 가정했지만, 여기서는 동일한 필터링 메커니즘을 통해 생성된 비정상 잡음에 대해서도 AHM 신호의 재구성 공식이 오차 한계 O(ε) 이하로 유지된다는 정리를 제시한다(정리 6.4). 핵심은 이산 STFT와 연속 STFT 사이의 이산화 오차를 정밀히 제어하고, SST의 재할당 규칙 O_ν가 잡음에 의해 발생하는 작은 진폭을 억제하도록 설계한 점이다.

세 번째 난관은 실제 데이터에서 잡음 구조를 사전에 알 수 없을 때, 어떻게 부트스트랩을 설계해 SST TFR의 불확실성을 균일하게 추정할 것인가이다. 저자는 잡음이 ‘지역적으로 정Stationary’하다는 가정 하에 시변 자기회귀(tvAR) 모델을 이용해 잡음의 동적 특성을 추정하고, 이를 기반으로 가우시안 AR 부트스트랩을 수행한다. 이 과정에서 tvAR 근사 오차가 SST 비선형 연산을 통해 전파되는 영향을 정리 6.5에서 상한을 제시함으로써, 부트스트랩된 TFR이 원본 TFR의 분포를 일관되게 근사한다는 이론적 보장을 제공한다.

전체적으로 논문은 신호 처리와 통계 시계열 분석 사이의 교량을 놓으며, 고차원 확률 이론, 비정상 시계열 모델링, 그리고 비선형 시간‑주파수 변환을 통합한 새로운 통계적 추론 프레임워크를 제시한다. 특히, EEG와 같은 생체 신호에서 스핀들 활동을 분석한 실험은 제안된 방법이 실제 비정상 잡음 환경에서도 유의미한 신뢰구간을 제공함을 입증한다.