مقاله جداسازی موج و آشفتگی با استفاده از تجزیه حالت پویا

چکیده

Separating the effects of waves and turbulence in oceanographic time series is an ongoing challenge because surface wave motion and turbulence fluctuations can occur at overlapping frequencies. As a result, simple bandpass filters cannot effectively separate their dynamics. While more advanced decomposition techniques have been developed, they often entail restrictive assumptions about the wave and turbulence interactions, require synchronized measurements, and/or only decompose the signal spectrally without a time-series reconstruction. To overcome these restrictions, we aim to apply modern data-driven methods to this classical problem by using dynamic mode decomposition (DMD). In this study, we present our new wave-turbulence decomposition technique which uses DMD. The technique is designed to be signal-agnostic such that it can be applied to any generic time series. Our approach requires minimal tuning, where the main user input is the wave frequency range of interest. To demonstrate the method, we apply it to synthetic, field, and laboratory data, and compare the results to other published methods in the literature. We conduct a sensitivity analysis on the synthetic data and find that the most sensitive parameter to the accuracy is the rank truncation in the DMD. Additionally, because of the accuracy of our decomposition technique, we demonstrate how we are able to analyze the velocity autocorrelation of the separated turbulence time series with minimal contamination by the waves. Overall, we find that our decomposition method outperforms the other time-series decomposition methods and provides for robust separation of the waves and turbulence, demonstrating that it is a promising technique with wide application to ocean signal processing.

چکیده به فارسی (ترجمه ماشینی)

جدا کردن اثرات امواج و تلاطم در سری زمانی اقیانوس شناسی یک چالش مداوم است زیرا حرکت موج سطح و نوسانات تلاطم می تواند در فرکانس های همپوشانی رخ دهد.در نتیجه ، فیلترهای ساده باند نمی توانند پویایی خود را به طور مؤثر از هم جدا کنند.در حالی که تکنیک های تجزیه پیشرفته تر توسعه یافته است ، آنها اغلب شامل فرضیات محدود کننده در مورد فعل و انفعالات موج و تلاطم هستند ، نیاز به اندازه گیری هماهنگ شده و/یا فقط طیف سیگنال را بدون بازسازی سری زمانی تجزیه می کنند.برای غلبه بر این محدودیت ها ، هدف ما استفاده از روشهای مدرن داده محور در این مشکل کلاسیک با استفاده از تجزیه حالت پویا (DMD) است.در این مطالعه ، ما تکنیک جدید تجزیه موج در تورب را ارائه می دهیم که از DMD استفاده می کند.این تکنیک به گونه ای طراحی شده است که سیگنال-آگنوستیک باشد به گونه ای که می تواند برای هر سری زمانی عمومی استفاده شود.رویکرد ما نیاز به تنظیم حداقل دارد ، جایی که ورودی اصلی کاربر دامنه فرکانس موج مورد علاقه است.برای نشان دادن روش ، ما آن را در داده های مصنوعی ، میدانی و آزمایشگاهی اعمال می کنیم و نتایج را با سایر روشهای منتشر شده در ادبیات مقایسه می کنیم.ما یک تجزیه و تحلیل حساسیت را بر روی داده های مصنوعی انجام می دهیم و می دانیم که حساس ترین پارامتر برای دقت ، کوتاه شدن رتبه در DMD است.علاوه بر این ، به دلیل صحت تکنیک تجزیه ما ، ما نشان می دهیم که چگونه ما قادر به تجزیه و تحلیل همبستگی سرعت سری زمان تلاطم جدا شده با حداقل آلودگی توسط امواج هستیم.به طور کلی ، ما می دانیم که روش تجزیه ما از سایر روشهای تجزیه سری زمانی بهتر است و جداسازی قوی امواج و آشفتگی را فراهم می کند ، نشان می دهد که این یک تکنیک امیدوار کننده با کاربرد گسترده در پردازش سیگنال اقیانوس است.