시간 지연 임베딩 기반 지속성 다이어그램 신뢰구간과 주기성 검정

초록

본 논문은 시간 지연 임베딩을 이용해 시계열을 위상공간에 재구성하고, 그 위상구조를 지속성 동역학으로 분석한다. 저자는 주기 신호와 비주기 신호가 각각 원형과 수축 가능한 형태로 동형임을 증명하고, 슬라이딩 윈도우 임베딩의 리치를 하한으로 잡아 안정성을 확보한다. 이후 서브샘플링을 활용해 지속성 다이어그램의 신뢰구간을 비정형적인 비율로 추정하고, 이를 기반으로 주기성 여부를 검정하는 통계적 프레임워크를 제시한다. 시뮬레이션과 실제 의료 데이터 적용 결과, 제안 방법은 기존 Lomb‑Scargle 기반 방법과 비슷한 검출력을 보이며 비주기적 변조 신호에 대해 더 강인한 성능을 나타낸다.

상세 분석

본 연구는 세 가지 핵심 기여를 제시한다. 첫째, 시간 지연 임베딩(sliding‑window embedding)의 위상학적 특성을 정량적으로 분석한다. 저자는 연속함수 f∈C²에 대해 임베딩 차원 m과 지연 τ를 적절히 선택하면, 주기적 신호의 경우 임베딩 궤적이 S¹와 동형이며, 비주기적 신호는 위상적으로 수축 가능(contractible)임을 정리한다. 이때 임베딩의 ‘리치(reach)’—즉, 매니폴드의 곡률과 가까운 자기 교차를 방지하는 최소 거리—가 하한을 갖는다는 사실을 증명함으로써, 잡음이 존재해도 지속성 동역학이 안정적으로 유지된다는 이론적 근거를 제공한다.

둘째, 지속성 다이어그램에 대한 신뢰구간을 서브샘플링 기반으로 구축한다. 기존 연구(Fasy et al., 2014)에서 제시된 방법을 확장하여, 임베딩된 점군 X⊂ℝ^{m+1}에 대해 크기 b인 서브샘플을 무작위로 추출하고, 각 서브샘플의 Cech 복합체를 통해 얻은 지속성 다이어그램과 전체 데이터의 다이어그램 사이의 Hausdorff 거리 분포를 이용한다. b는 n에 비해 충분히 작지만 무한대로 성장하도록 설정(b→∞, b/n→0)함으로써, 비정규화된 표본분포에 대한 비모수적 근사성을 확보한다. 이 과정에서 얻은 신뢰반경 c_α는 “d_B(ĤP, P) ≤ c_α” 형태의 확률적 상한을 제공하며, α 수준에서의 유형 I 오류를 asymptotically 제어한다.

셋째, 위 두 결과를 결합해 주기성 검정 절차를 설계한다. 검정 통계량은 서브샘플링으로 얻은 신뢰구간 내에 존재하는 1‑차원 영구적 루프(β₁>0)의 존재 여부이며, 영구적 루프가 신뢰구간을 초과하면 귀무가설(비주기성)을 기각한다. 저자는 이 검정이 유형 I·II 오류를 모두 제어함을 정리 4.1과 정리 5.2를 통해 증명하고, n이 충분히 클 때 일관성(consistency)도 확보한다.

실험에서는 합성 주기 신호, 변조된 주파수를 갖는 chirp 신호, 그리고 실제 BIDMC(병원) 데이터에 적용하였다. 주기 신호에 대해서는 Generalized Lomb‑Scargle(GLS)와 거의 동일한 검출률을 보였으며, 비주기적 변조 신호에 대해서는 GLS가 거짓 양성을 많이 내는 반면, 제안 방법은 신뢰구간 기반으로 잡음과 변조를 효과적으로 구분해 낮은 위양성률을 유지했다. 특히, 서브샘플링 크기 b와 임베딩 파라미터(m,τ)의 선택이 검정 파워에 미치는 영향을 정량적으로 분석해 실용적인 가이드라인을 제공한다.

이와 같이, 본 논문은 위상학적 데이터 분석과 통계적 추론을 자연스럽게 연결함으로써, 시계열의 주기성 검출에 대한 새로운 이론적·실용적 틀을 제시한다.