Application of the Allan Variance to Time Series Analysis in Astrometry and Geodesy: A Review

本論文は、天測・測地分野における時系列データのノイズ特性評価のために、従来のアラン分散を不均一な重み付けや多次元データに対応できるよう拡張した手法（WAVAR、MAVAR、WMAVAR）の適用経験についてレビューしたものである。

要約

🌟 核心となる話：「ノイズ」の正体を見極める魔法のメーター

想像してください。あなたは精密な時計を作っている職人です。その時計がどれだけ正確かを知るために、1 秒ごとのズレを測ります。
でも、天文学や測量のデータは、ただの「時計のズレ」だけではありません。

• 天体の位置（星がどこにあるか）
• 観測所の位置（地上の基準点が動いているか）
• 地球の自転（地球が少し揺れているか）

これらを測るデータには、必ず**「ノイズ（誤差や揺らぎ）」が含まれています。この論文は、「そのノイズが、単なる『雑音』なのか、それとも『重要な信号』なのか」を見分けるための高性能なメーター**について語っています。

1. 昔のメーター（古典的なアラン分散）の限界

昔からある「アラン分散」というメーターは、時計の安定性を測るには最高でした。しかし、天文学や測量のデータにそのまま使うと、いくつかの「落とし穴」がありました。

• 落とし穴①：データの「質」がバラバラ
  • 例え話： 天気予報を聞くとき、晴れの日も雨の日も同じ重さで平均を取ったら、正確な天気図は作れませんよね？
  • 現実： 観測データには「精度が高いもの」と「精度が低いもの（誤差が大きいもの）」が混ざっています。昔のメーターは、これらをすべて同じ重さで扱ってしまい、結果が歪んでしまうことがありました。
• 落とし穴②：3 次元の動きを 1 次元で測ろうとする
  • 例え話： 飛行機の動きを「高さ」だけで評価しようとして、「前後」や「左右」の動きを無視するのは不十分ですよね？
  • 現実： 観測所の位置は「X, Y, Z（3 次元）」で動きます。星の位置も「赤経・赤緯（2 次元）」です。昔のメーターは、これらをバラバラに測ろうとして、全体像を見逃していました。

2. 新しいメーター（改良版アラン分散）の登場

そこで著者は、これらの問題を解決するために、**「重み付き」や「多次元」**に対応できる新しいメーター（WAVAR, MAVAR, WMAVAR）を提案・紹介しています。

• 重み付きメーター（WAVAR）：
  • 例え話： 信頼できる専門家の意見を「10 点」、信頼できない素人の意見を「1 点」として、計算に反映させるようなものです。
  • 効果： 精度の低いデータ（ノイズの多いデータ）の影響を減らし、正確なデータに重点を置いて評価できるようになりました。
• 3 次元メーター（WMAVAR）：
  • 例え話： 飛行機の動きを「高さ」「前後」「左右」をセットで一つの「矢印」として捉え、その矢印の揺らぎ全体を評価するものです。
  • 効果： 3 次元の動きを総合的に判断できるようになり、より現実的な評価が可能になりました。

3. なぜこれがすごいのか？（低周波ノイズに強い！）

このツールの最大の強みは、**「長い期間の傾向（トレンド）に惑わされない」**ことです。

• 例え話：
  • WRMS（従来の方法）： 川の流れを測る際、川が全体的に上流から下流へ流れている（トレンド）せいで、波の高さを測ろうとしても、その「流れ」の影響を大きく受けてしまいます。
  • アラン分散： 「川の流れ」自体は気にせず、**「波の揺らぎ（ノイズ）」**そのものに注目します。
  • メリット： 地球の自転や天体の位置には、季節による変化や長い周期の動き（トレンド）が含まれていますが、アラン分散を使えば、それらを無視して「本当のノイズの大きさ」だけを正確に測ることができます。

4. 実際の活用事例（何に使われているか？）

この論文では、実際にこのメーターがどう使われたかが紹介されています。

• 星の地図（天球座標系）の精度チェック：
  • 世界中の天文台が作った「星の位置のカタログ」を比較する際、どのカタログが最もノイズが少ない（＝正確か）を判定するために使われました。その結果、新しいカタログの方が古いものより優れていることが証明されました。
• 観測所の位置の安定性：
  • GPS などの観測所が、本当に「動かない」のか、それとも「微細に揺れている」のかを調べるのに使われました。
• 地球の自転の謎：
  • 地球の自転速度がなぜ変わるのか（地核の動きや大気の影響など）を調べる際、データに含まれるノイズの種類（白ノイズか、フリッカーノイズか）を特定するために使われました。

🎯 まとめ：この論文が伝えたいこと

1. アラン分散は、天文学や測量のデータ分析において「ノイズの正体」を暴く強力なツールです。
2. 従来の方法には「データの質のバラつき」や「3 次元の動き」に対応できない弱点がありました。
3. そこで提案された「改良版（重み付き・多次元）」を使うことで、より正確で頑丈な分析が可能になりました。
4. 特に、長い期間のトレンドに惑わされずに「本当の揺らぎ」を測れる点が、他の方法よりも優れています。

つまり、**「より正確な星の地図を作り、地球の動きをより深く理解するために、データの『揺らぎ』を正しく測る新しいモノサシが完成しましたよ」**というのが、この論文のメッセージです。

技術概要

以下は、Zinovy Malkin 氏による論文「Application of the Allan Variance to Time Series Analysis in Astrometry and Geodesy: A Review（天体測位および測地学における時系列分析へのアラン分散の応用：レビュー）」の技術的要約です。

1. 問題提起 (Problem)

天体測位（アストロメトリー）および測地学における時系列データ（例：測地観測点の座標、地球回転パラメータ、天体位置など）のノイズ特性を評価する際、従来の統計手法には以下の課題がありました。

• 不均一な重み付け: クロック比較と異なり、測地・天体観測データは観測点ごとに異なる不確実性（誤差）を持ちます。古典的なアラン分散（AVAR）はすべての測定値が均一な精度を持つことを前提としており、不均一な重み付けデータへの適用が困難です。
• 多次元データの扱い: 測地点の 3 次元座標（X, Y, Z）や天体の位置（赤経・赤緯）など、物理的に関連するスカラー時系列が多次元ベクトルを形成します。古典的な AVAR はこれらの多次元ベクトルを直接処理するよう設計されていません。
• 低周波数成分への感度: 従来の標準偏差（STD）や重み付き RMS（WRMS）残差は、時系列に含まれる長期的な系統誤差（トレンド）や季節変動に強く依存します。これらを正確にモデル化しないと、ノイズレベルの過大評価や誤った評価につながります。
• 非定常性と外れ値: 観測データには外れ値やジャンプ（急激な変化）が含まれることがあり、これらが統計推定を歪める可能性があります。

2. 手法 (Methodology)

本論文では、これらの課題を克服するために、アラン分散（AVAR）およびその変形手法を体系的にレビューし、測地・天体測位データへの適用を提案しています。

• 古典的アラン分散 (AVAR): 時系列の散らばりレベルを評価する基本的な手法。
• 重み付きアラン分散 (WAVAR): 各観測点に異なる不確実性（誤差）がある場合に対応。各データ点の誤差に基づいて重み付けを行い、外れ値の影響を低減させます。
• 多次元アラン分散 (MAVAR): 多次元ベクトル（例：3 次元座標）のノイズを評価。隣接するデータ点間のユークリッド距離を計算します。
• 重み付き多次元アラン分散 (WMAVAR): WAVAR と MAVAR を統合した最も一般的な推定量。多次元かつ不均一な重み付けを持つデータに対して適用可能です。
  • 特筆すべき点として、WMAVAR は AVAR、WAVAR、MAVAR を特殊ケースとして包含する汎用的な定義です。
• スライドウィンドウ法 (DAVAR): 非定常な時系列（ノイズ特性が時間とともに変化するデータ）に対して、移動するウィンドウ内で AVAR を計算し、時間経過に伴うノイズ特性の変化を推定します。
• スペクトル特性の解析: AVAR の対数 - 対数プロット（$\log(\sigma^2)$ vs $\log(\tau)$）の傾き（$\mu$）を用いて、時系列のノイズタイプ（白色雑音、フリッカー雑音、ランダムウォークなど）を識別します。

3. 主要な貢献 (Key Contributions)

• AVAR 変形手法の体系的なレビュー: 測地学および天体測位における AVAR、WAVAR、MAVAR、WMAVAR の適用経験と理論的基礎を包括的に整理しました。
• 外れ値に対するロバスト性の証明: 数値例（観測点の高度や天極オフセットのデータ）を用い、WAVAR が古典的な ADEV に比べて、検出・除去されていない外れ値に対してより頑健（ロバスト）な推定値を提供することを示しました。
• 低周波数成分への非依存性の確認: WRMS が低周波数成分（トレンドや季節変動）のモデル化に依存するのに対し、AVAR（およびその変形）はこれらの影響を受けにくく、ノイズ特性そのものをより純粋に評価できることを実証しました。
• 多次元データ解析の標準化: 2 次元（天極オフセット）や 3 次元（測地点座標）のベクトルデータを、単一のスカラー指標（WMADEV）で効率的に評価する手法を確立しました。

4. 結果 (Results)

論文内で提示された具体的な応用例と結果は以下の通りです。

• 天体基準枠 (CRF) の品質評価:
  • 異なるラジオソースカタログ（ICRF1, ICRF2, Pulkovo 観測所カタログ等）の精度を比較するため、天極オフセット（CPO）時系列のノイズレベルを WAVAR/WMAVAR で評価しました。
  • 結果、ICRF2 は ICRF1 よりも精度が高く、Pulkovo 観測所のカタログも ICRF1 よりも優れていることが示されました。WMADEV がカタログ間の差異に対して最も敏感な指標であることが確認されました。
  • 約 60% のソースが白色雑音、40% がフリッカー雑音を支配的ノイズとして持つことが判明しました。
• 測地点位置の安定性:
  • GPS、VLBI、SLR、DORIS などの空間測地手法による観測点位置時系列のノイズ特性を評価しました。
  • GPS 観測点の多くはフリッカー雑音を支配的ノイズとするのに対し、VLBI、SLR、DORIS は白色雑音を支配的ノイズとする傾向があることが分かりました。
  • 季節変動やトレンドを除去した後のノイズ評価において、AVAR が有効であることが確認されました。
• 地球回転パラメータ (EOP) の解析:
  • IERS（国際地球回転・基準系サービス）による EOP 系列の結合において、AVAR が各系列の内部精度評価と重み付けに利用されています。
  • CPO 系列の解析において、WRMS が低周波モデルに依存するのに対し、WADEV はモデルに依存せず、かつ外れ値の影響を大幅に低減できることが確認されました。

5. 意義と結論 (Significance)

• 高精度データ解析の基盤: AVAR およびその変形手法（特に WMAVAR）は、測地・天体測位データにおけるノイズ特性を評価するための強力なツールです。これにより、観測点速度の不確実性のより現実的な計算や、EOP 系列の正則化などが可能になります。
• モデル依存性の排除: 従来の WRMS 手法が抱える「系統誤差のモデル化への依存」という弱点を克服し、低周波変動に左右されずにノイズレベルを評価できる点が最大の利点です。
• 今後の課題: 不均一な間隔で観測されたデータ（ギャップのある時系列）への対応や、観測値間の相関が統計解析結果に与える影響については、さらなる研究開発が必要であるとしています。

総じて、本論文は AVAR が単なる周波数標準の評価ツールを超え、現代の天体測位および測地学における時系列データ解析の標準的な手法として確立されていることを示し、その応用範囲と限界を明確にしました。