Estimation of Wavenumber Spectra from Particle Tracking Velocimetry Data

Résumé Technique : Estimation des spectres de nombre d'onde à partir de données de vélocité de suivi de particules

Énoncé du problème
La vélocité par suivi de particules (PTV) fournit des données de champs de vitesse tridimensionnels à trois composantes ; cependant, l'échantillonnage spatial est intrinsèquement irrégulier en raison de la distribution aléatoire des particules de marquage. Cette irrégularité empêche l'application directe des transformées de Fourier rapides (FFT) conventionnelles pour calculer les spectres de nombre d'onde sans interpolation intermédiaire. Bien que l'interpolation remédie au problème d'échantillonnage, elle introduit une incertitude concernant le biais et la variance des estimations spectrales résultantes. Plus précisément, il est difficile de déterminer quel estimateur offre le meilleur équilibre entre l'espérance (biais) et la variabilité (variance) pour des données échantillonnées de manière irrégulière, particulièrement lorsqu'on tente de résoudre les plages dissipatives à nombres d'onde élevés. L'étude examine si un estimateur sans biais existe et s'il peut maintenir une variance tolérable à des nombres d'onde plus élevés, permettant potentiellement l'estimation des spectres dans la plage dissipative avec des densités de marquage modestes.

Méthodologie
Les auteurs ont utilisé un ensemble de données synthétiques générées à partir d'une simulation numérique directe (DNS) d'un écoulement de Kolmogorov (écoulement k) bidimensionnel stationnaire, statistiquement invariant, à un nombre de Reynolds de 2000. L'écoulement présente une structure de double cascade (transfert d'énergie inverse et transfert d'enstrophie direct). Pour simuler les mesures PTV, des particules de traceurs virtuelles ont été semées aléatoirement dans le champ de vitesse de la DNS à diverses densités numériques ($N = 5\,000, 10\,000, 20\,000$), avec des vitesses interpolées depuis la grille eulérienne et augmentées d'un bruit gaussien de 5 %.

Quatre estimateurs spectraux distincts ont été comparés au spectre de référence dérivé des données DNS entièrement résolues :

1. Estimation spectrale directe (NUDFT) : Une transformée de Fourier discrète non uniforme appliquée directement aux échantillons dispersés sans reconstruction.
2. Interpolation + FFT : Interpolation par voisin naturel des données de particules sur la grille uniforme de la DNS, suivie d'une FFT standard.
3. Réseau de neurones informés par la physique (PINN) + FFT : Reconstruction du champ de vitesse à l'aide d'un PINN vorticité-vitesse. L'étude a comparé deux fonctions de perte de fidélité aux données : l'erreur quadratique moyenne ($L_2$) et l'erreur absolue moyenne ($L_1$). La norme $L_1$ a été sélectionnée pour atténuer la tendance au lissage excessif de la perte $L_2$ dans les régimes de données éparses.
4. Corrélation par fente floue (FSC - Fuzzy Slot Correlation) : Un estimateur basé sur la fonction d'autocorrélation. Il utilise un « slotting flou » (distribution des contributions de paires à travers les bacs voisins à l'aide d'une fonction de pondération triangulaire) combiné à une « normalisation locale » pour supprimer les effets du bruit de mesure non corrélé.

La performance de ces estimateurs a été évaluée en termes d'espérance (biais) et de variance en fonction de la densité du nombre de particules ($N_p$) et du nombre de cadres d'ensemble ($N_f$).

Résultats clés

• NUDFT : Bien qu'en principe sans biais, cette méthode a produit un plancher de bruit plat, ordres de grandeur en dessous du spectre de référence dans la plage de l'énergie, ce qui la rend inefficace pour récupérer la forme spectrale sans correction de densité.
• Interpolation : Cette méthode a agi comme un filtre passe-bas. Elle a récupéré avec précision l'énergie des grandes échelles mais a introduit un biais positif sévère (dépassement) à des nombres d'onde élevés près de l'échelle de dissipation ($k_\eta$) en raison de l'incapacité à résoudre des structures plus petites que l'espacement inter-particulaire local.
• PINN :
  • Le $L_2$-PINN a reproduit la pente $k^{-3}$ mais a présenté un biais négatif persistant (sous-estimation) sur toute la plage de nombres d'onde élevés dû au lissage excessif.
  • Le $L_1$-PINN a considérablement réduit ce biais, suivant précisément la référence DNS près de $k_\eta$ avec seulement un léger biais aux nombres d'onde intermédiaires. Crucialement, le $L_1$-PINN a produit des spectres lisses et convergents à partir d'un seul cadre, le rendant insensible à la taille de l'ensemble.
• Corrélation par fente floue (FSC) : C'était la seule méthode ayant fourni des estimations sans biais jusqu'à une limite de nombre d'onde déterminée par la densité de particules. Cependant, les estimations FSC à cadre unique présentaient de fortes oscillations (variance élevée). Ces fluctuations ont été supprimées par la moyenne d'ensemble, l'incertitude décroissant selon $N_f^{-1/2}$.
• Limites de résolution : La largeur de bande résolue de l'estimateur FSC ($k_{max}$) a augmenté avec la densité de particules mais a évolué de manière sous-linéaire avec $\sqrt{N_p}$. À la densité la plus élevée testée ($N_p=20\,000$), le FSC a atteint environ $0,92 k_\eta$.

Coût de calcul
L'étude a mis en évidence un compromis entre précision et effort de calcul. Les méthodes basées sur la grille (Interpolation et PINN) sont efficaces sur le plan computationnel (quelques secondes par cadre). En revanche, le FSC et la NUDFT opèrent directement sur les échantillons dispersés, le coût du FSC évoluant en $O(N_p^2)$ en raison des calculs de corrélation par paires. À $N_p=20\,000$, le FSC nécessitait environ 72 secondes par cadre, soit nettement plus longtemps que l'approche PINN.

Signification et affirmations
L'article conclut que le choix de l'estimateur dépend des exigences spécifiques de l'application concernant le biais, la variance et les ressources de calcul :

• Le L1-PINN est présenté comme la méthode optimale pour obtenir des estimations rapides, lisses et sur un seul cadre, où un faible biais résiduel est acceptable.
• Le FSC avec normalisation locale est identifié comme la méthode supérieure pour obtenir des spectres sans biais, moyennés par ensemble, qui s'étendent dans la plage dissipative, à condition de disposer de ressources de calcul et de tailles d'ensemble suffisantes pour supprimer la variance.

Les auteurs affirment que bien que cette étude ait été menée sur un écoulement 2D, les conclusions fondamentales concernant les caractéristiques de biais-variance de ces estimateurs devraient s'appliquer aux écoulements 3D, bien que le coût de calcul du FSC augmenterait de manière significative en raison de la croissance cubique des paires de particules. Ce travail établit que l'estimation spectrale sans biais à partir de données PTV irrégulières est viable, mais nécessite une moyenne d'ensemble et une sélection rigoureuse de l'estimateur pour gérer le compromis biais-variance.