본 연구에서는 비선형 카오스 계열에 대한 잡음의 영향 분석을 위하여 대표적인 비선형 카오스 특성을 보이는 것으로 알려진 Logistic Map 자료계열을 이용하여 연구를 수행하였다. 잡음을 임의로 추가하여 잡음 수준에 따라 자료계열을 재생성 하였으며 비선형 자료의 분석 방법으로 활용되고 있는 상태공간 재건, 상관차원 추정, BDS 통계, DVS 알고리즘 분석을 실시하였다. 분석 결과 자료계열은 잡음의 수준이 높아짐에 따라 비선형 카오스적 특성을 보이는 원시자료의 특성이 사라지고 무작위한 추계학적 특성을 보이는 자료로 변화하였다. 그리고 잡음의 영향을 받고 있는 자료에 대한 잡음제거 방법으로 Low Pass Filter와 Kalman Filter 기법을 적용하였다. 전통적인 비모수 통계기법은 비선형 무작위 시계열 또는 비선형 시계열을 구분하는데 어려움이 있지만 비선형 통계기법인 BDS 통계는 비선형 시계열을 구분할 수 있는 것으로 알려져 있다. 분석을 수행한 결과 잡음 수준이 높을 경우 Low Pass Filter는 잡음을 효과적으로 제거하지 못하여 비선형 자료를 선형자료로 판정하였지만 Kalman Filter의 경우 잡음을 효과적으로 제거하는 것으로 나타나 적용성이 우수함을 알 수 있었다.
We studied noise influence on nonlinear chaotic system by using Logistic data series which is known as a typical nonlinear chaotic system. We regenerated Logistic data series by the method of adding noise according to noise level. And, we performed some analyses such as phase space reconstruction, correlation dimension, BDS statistics, and DVS Algorithms which are known as the methods of nonlinear deterministic or chaotic analysis. If we see the results of analysis, the characteristics of data series are gradually changed from nonlinear chaotic data series to random stochastic data series according to increasing noise level. We applied Low Pass Filter (LPF) and Kalman Filter techniques for the investigation of removing effect of the added noise to data series. Typical nonparametric method cannot distinguish nonlinear random series but the BDS statistic can distinguish the nonlinear randomness of the time series. Therefore this study used the BDS statistic which is well known as nonlinear statistical method for the investigation of randomness of time series for the effect of removing noise of data series. We found that Kalman filter is better method to remove the noise of chaotic data series even for high noise level.
