Estimation of Wavenumber Spectra from Particle Tracking Velocimetry Data

Resumo Técnico: Estimativa de Espectros de Número de Onda a partir de Dados de Velocimetria de Rastreamento de Partículas

Definição do Problema
A Velocimetria de Rastreamento de Partículas (PTV) fornece dados de campo de velocidade tridimensional de três componentes; no entanto, a amostragem espacial é inerentemente irregular devido à distribuição aleatória das partículas semente. Essa irregularidade impede a aplicação direta das Transformadas Rápidas de Fourier (FFT) convencionais para computar espectros de número de onda sem interpolação intermediária. Embora a interpolação remedie o problema da amostragem, ela introduz incerteza em relação ao viés e à variância das estimativas espectrais resultantes. Especificamente, não está claro qual estimador fornece o equilíbrio mais apropriado entre expectativa (viés) e variabilidade (variância) para dados amostrados irregularmente, particularmente ao tentar resolver faixas dissipativas de números de onda elevados. O estudo aborda se existe um estimador não viesado que mantenha uma variância tolerável em números de onda mais altos, permitindo potencialmente a estimação de espectros na faixa dissipativa com densidades de sementes modestas.

Metodologia
Os autores utilizaram um conjunto de dados sintéticos gerado a partir de uma Simulação Numérica Direta (DNS) de um fluxo de Kolmogorov bidimensional (fluxo-k) estatisticamente estacionário, com um número de Reynolds de 2000. O fluxo apresenta uma estrutura de cascata dupla (transferência de energia inversa e transferência de enstrofia direta). Para simular as medições de PTV, partículas traçadoras virtuais foram semeadas aleatoriamente no campo de velocidade da DNS em várias densidades numéricas ($N = 5.000, 10.000, 20.000$), com velocidades interpoladas da grade Euleriana e aumentadas com 5% de ruído Gaussiano.

Quatro estimadores espectrais distintos foram comparados contra o espectro de referência derivado dos dados completos da DNS:

1. Estimativa Espectral Direta (NUDFT): Uma transformada de Fourier discreta não uniforme aplicada diretamente às amostras dispersas sem reconstrução.
2. Interpolação + FFT: Interpolação de vizinho natural dos dados das partículas sobre a grade uniforme da DNS, seguida de uma FFT padrão.
3. Rede Neural Informada pela Física (PINN) + FFT: Reconstrução do campo de velocidade usando uma PINN de vorticidade-velocidade. O estudo comparou duas funções de perda de fidelidade de dados: Erro Quadrático Médio ($L_2$) e Erro Absoluto Médio ($L_1$). A norma $L_1$ foi selecionada para mitigar a tendência de suavização excessiva (over-smoothing) da perda $L_2$ em regimes de dados esparsos.
4. Correlação de Slot Difuso (FSC): Um estimador baseado na função de autocorrelação. Ele utiliza "slotting difuso" (distribuindo contribuições de pares entre bins vizinhos usando uma função de peso triangular) combinado com "normalização local" para suprimir os efeitos de ruído de medição não correlacionado.

O desempenho desses estimadores foi avaliado em termos de expectativa (viés) e variância como uma função da densidade numérica de partículas ($N_p$) e do número de quadros de ensemble ($N_f$).

Principais Resultados

• NUDFT: Embora não viesado em princípio, este método produziu um piso de ruído plano ordens de magnitude abaixo do espectro de referência na faixa de contenção de energia, tornando-o ineficaz para recuperar a forma espectral sem correção de densidade.
• Interpolação: Este método atuou como um filtro passa-baixa. Ele recuperou com precisão a energia de grande escala, mas introduziu um viés positivo severo (overshoot) em números de onda elevados próximos à escala de dissipação ($k_\eta$) devido à incapacidade de resolver estruturas menores que o espaçamento interpartícula local.
• PINN:
  • A $L_2$-PINN reproduziu a inclinação $k^{-3}$, mas exibiu um viés negativo persistente (subestimação) em toda a faixa de alto número de onda devido à suavização excessiva.
  • A $L_1$-PINN reduziu significativamente esse viés, acompanhando o espectro de referência da DNS com precisão próximo a $k_\eta$ com apenas um leve viés em números de onda intermediários. Crucialmente, a $L_1$-PINN produziu espectros suaves e convergidos a partir de um único quadro, sendo insensível ao tamanho do ensemble.
• Correlação de Slot Difuso (FSC): Foi o único método que forneceu estimativas livres de viés até um limite de número de onda determinado pela densidade de partículas. No entanto, as estimativas de FSC de quadro único exibiram oscilações fortes (alta variância). Essas flutuações foram suprimidas pela média de ensemble, com a incerteza decaindo como $N_f^{-1/2}$.
• Limites de Resolução: A largura de banda resolvida do estimador FSC ($k_{max}$) aumentou com a densidade de partículas, mas escalou sublinearmente com $\sqrt{N_p}$. Na maior densidade testada ($N_p=20.000$), o FSC atingiu aproximadamente $0,92 k_\eta$.

Custo Computacional
O estudo destacou um compromisso entre precisão e esforço computacional. Métodos baseados em grade (Interpolação e PINN) foram computacionalmente eficientes (segundos por quadro). Em contraste, o FSC e a NUDFT operam diretamente sobre amostras dispersas, com os custos do FSC escalando como $O(N_p^2)$ devido aos cálculos de pares de correlação. Com $N_p=20.000$, o FSC exigiu aproximadamente 72 segundos por quadro, significativamente mais longo que a abordagem PINN.

Significância e Alegações
O artigo conclui que a escolha do estimador depende dos requisitos específicos da aplicação em relação a viés, variância e recursos computacionais:

• A $L_1$-PINN é apresentada como o método ideal para obter estimativas de quadro único rápidas e suaves, onde um pequeno viés residual é aceitável.
• O FSC com normalização local é identificado como o método superior para obter espectros não viesados e com média de ensemble que se estendem para a faixa dissipativa, desde que haja recursos computacionais e tamanhos de ensemble suficientes para suprimir a variância.

Os autores afirmam que, embora o estudo tenha sido realizado em um fluxo 2D, as conclusões fundamentais sobre as características de viés-variância desses estimadores devem se manter para fluxos tridimensionais, embora o custo computacional do FSC aumentaria significativamente devido ao crescimento cúbico dos pares de partículas. O trabalho estabelece que a estimativa espectral não viesada a partir de dados de PTV irregulares é viável, mas requer a média de ensemble e a seleção cuidadosa de um estimador para gerenciar o compromisso entre viés e variância.