Мультифрактальный анализ динамики нелинейных систем

Зиганшин, Амир Рустамович

Мультифрактальный анализ динамики нелинейных систем тема автореферата и диссертации по физике, 01.04.03 ВАК РФ

Зиганшин, Амир Рустамович АВТОР

кандидата физико-математических наук УЧЕНАЯ СТЕПЕНЬ

Саратов МЕСТО ЗАЩИТЫ

2005 ГОД ЗАЩИТЫ

01.04.03 КОД ВАК РФ

Диссертация по физике на тему «Мультифрактальный анализ динамики нелинейных систем»

Автореферат диссертации на тему "Мультифрактальный анализ динамики нелинейных систем"

На правах рукописи

ЗИГАНШИН Амир Рустамович

Мультифрактальный анализ динамики нелинейных систем

01 04 03 - радиофизика

Автореферат диссертации на соискание ученой степени кандидата физико-математических наук

Саратов - 2005

Работа выполнена на кафедре радиофизики и нелинейной динамики Саратовского государственного университета им. Н.Г. Чернышевского

Научный руководитель:

кандидат физико-математических наук, доцент Павлов А.Н.

Официальные оппоненты; доктор физико-математических наук,

профессор Безручко Б.П., кандидат физико-математических наук, доцент Розанов А.В.

Ведущая организация:

Саратовский филиал ИРЭ РАН

Защита состоится 1 июля 2005 г. в 12 час. 00 мин. на заседании специализированного совета Д.212.243.01 по специальности "радиофизика" при Саратовском государственном университете им. Н.Г. Чернышевского по адресу: 410012, г. Саратов, ул. Астраханская, 83.

С диссертацией можно ознакомится в Научной библиотеке Саратовского государственного университета.

Автореферат разослан "3&" мая 2005 г.

Ученый секретарь диссертационного совета

Общая характеристика работы

Актуальность работы

Если для количественного описания фракталов достаточно всего лишь одной величины (например, фрактальной размерности), то мультифракта-лы представляют собой более сложные (неоднородные) объекты, для полной характеристики которых требуется не одна, а целый спектр фрактальных размерностей, число которых в общем случае бесконечно. Важность изучения таких объектов определяется тем, что подавляющее большинство природных фракталов на самом деле являются мультифракталами.

Фрактальные объекты встречаются в природе не только в виде сингулярных мер, но и в виде сингулярных функций, и для многих практических целей (в частности, в задачах анализа структуры сигналов) наибольшую ценность представляет именно наличие строгого математического подхода к анализу особенностей структуры процессов, не имеющих характерного временного масштаба и сильно изрезанных — так называемых "мультифрак-тальных процессов" (У. Фриш, Г. Паризи, П. Иванов, Г. Стэнли, Дж. Музи, Е. Бакри, А. Арнеодо). Было предпринято несколько попыток обобщить концепцию мультифракталов на случай функциональных зависимостей (сигналов) (А. Барабаси, Т. Вишек и др.). В 1985 году для статистического анализа сингулярностей (в задачах изучения сильно развитой турбулентности) У. Фриш и Г. Паризи предложили метод структурных функций, который на протяжении последних лет достаточно часто использовался разными исследователями. В 1991 году в работах группы А. Арнеодо был предложен более совершенный метод "модулей максимумов вейвлет-преобразования" (ММ-ВП), имеющий ряд существенных преимуществ (исследование более широкого класса сингулярностей; меньшая погрешность вычисления и т.д.). Техника ММВП на сегодняшний день считается наиболее мощным инструментом.

статистического описания сильно неоднородных (нестационарных) процессов различной природы.

Базирующийся на вейвлет-преобразовании мультифрактальный анализ можно интерпретировать как новый метод исследования структуры сигналов. В частности, в задачах статистической радиофизики традиционно большое внимание уделяется спектрально-корреляционному анализу. Однако классические методы расчета корреляционных функций или спектра мощности применимы лишь в случае стационарных процессов и требуют большой длительности сигналов для получения надежных оценок закона спада корреляций или частотной зависимости функции спектральной плотности. В отличие от классических подходов, метод ММВП позволяет проводить корреляционный анализ по коротким и нестационарным сигналам. После публикации в 1999 году в журнале "Nature" работы по мультифрак-тальному описанию сердечного ритма (П. Иванов) и серии статей в журналах "Physical Review Letters" и "Physica А" (Г. Стэнли, С. Хавлин, Л. Ама-рал, К. Пенг и др.) основанный на вейвлет-преобразовании мультифрак-тальный анализ стал широко применяться для обработки сигналов медико-биологического происхождения. За последние несколько лет наличие муль-тифрактальной структуры было обнаружено и численно охарактеризовано в динамике очень многих систем различной природы. Однако, несмотря на значительное число публикаций в ведущих международных журналах, возможности техники ММВП на сегодняшний день детально не исследованы. Как правило, большинство известных работ ограничивается констатацией факта наличия мультискейлинговой структуры в той или иной ситуации и расчетами спектра сингулярностей. Лишь по отдельным научным направлениям были проведены более глубокие исследования (например, мультифрак-тальный анализ явления сильно развитой турбулентности) либо получен ряд строгих теоретических результатов (в рамках теории динамических систем). Известные в настоящее время научные работы зачастую рассматривают либо очень простые примеры мультифракталов (где возможно получение аналитических результатов), либо очень сложные (сильно нестационарные и неоднородные процессы, такие как сердечный ритм). В последнем случае проведение исследований возможно только численно, но в силу сложности сигналов и отсутствия а-приорной информации о режиме динамики анализируемой системы не всегда удается проконтролировать достоверность расчетов. С этой точки зрения, для выявления возможностей и ограничений данного метода представляется целесообразным проведение мультифрактально-го анализа хаотической и стохастической динамики нелинейных систем, то

есть исследование моделей нелинейной теории колебаний, при котором характерные изменения спектра сингулярностей или экспонент Хелдера можно сопоставить с какими-то изменениями режима динамики рассматриваемых нелинейных систем. Поскольку многие процессы в природе относятся к классу "мультифракталов", то есть мультифрактальность можно рассматривать как достаточно общее явление, его исследование и возможность количественного описания представляет интерес уже само по себе. Кроме того, такое исследование имеет и практическую ценность с точки зрения изучения возможностей нового инструмента анализа структуры сигналов. К настоящему времени, за редким исключением, практически не исследованы эффекты потери мультифрактальности (переходы от мульти- к монофрактальной структуре). Мало изучено влияние флуктуации в нелинейных системах на скейлинговые характеристики сложных режимов динамики; в этом направлении можно отметить лишь работу по мультифрактальному описанию явления стохастического резонанса (А. Сильченко). Не исследованы изменения скейлинговых характеристик при синхронизации хаоса в динамике связанных автоколебательных систем. Хотя наличие сложного скейлинга в процессах медико-биологического происхождения было установлено, остается открытым вопрос о том, как различные воздействия на живые системы и изменение привычных условий функционирования влияют на особенности мультискейлинговой структуры их процессов. В целях ответа на эти и ряд других вопросов в рамках настоящей диссертационной работы предполагается сочетание исследования модельных систем с обработкой экспериментальных данных. На сравнительно простых моделях теории нелинейных колебаний планируется выявлять эффекты изменения структуры сигналов. С помощью экспериментальных данных предполагается анализировать, насколько те или иные эффекты, наблюдаемые в модельных системах, типичны на практике.

Цель диссертационной работы заключается в выявлении возможно -стей и ограничений мультифрактального анализа при исследовании неоднородных процессов, изучении особенностей мультифрактального описания хаотической и стохастической динамики нелинейных систем, включая эффекты потери мультифрактальности, а также в применении техники муль-тифрактального анализа в исследованиях сложных режимов колебаний биологических систем.

Для достижения указанной цели необходимо решить следующие основные задачи:

1. Определить возможности и ограничения метода мультифрактального

анализа, основанного на вейвлет-преобразовании, при исследовании структуры процессов, содержащих несколько различных типов сингулярного поведения.

2. Выявить типичные изменения мультифрактальной динамики взаимодействующих автоколебательных систем, функционирующих в режиме динамического хаоса, к которым приводит эффект фазовой синхронизации.

3. Изучить особенности мультифрактального описания сложных режимов колебаний биологических систем и определить типичные изменения мульти-фрактальной динамики сердечного ритма, обусловленные стрессорным воздействием.

На защиту выносятся следующие положения:

1. Фазовая синхронизация хаоса в динамике связанных автоколебательных систем сопровождается изменениями структуры последовательностей времен возврата в секущую Пуанкаре, включающими:

• уменьшение степени мультифрактальности (вплоть до перехода к монофрактальной динамике);

• уменьшение Хелдеровских экспонент, характеризующее усиление антикорреляций;

• устранение различий между спектрами сингулярностей режимов динамики каждой системы.

Указанные изменения проявляются одновременно или в различных сочетаниях в динамике систем с несколькими характерными временными масштабами.

2. Обусловленные стрессорным воздействием изменения динамики сердечно-сосудистой системы могут рассматриваться как эффект уменьшения (потери) мультифрактальности и/или уменьшения корреляций в структуре последовательностей временных интервалов между сердечными сокращениями. Спектр сингулярностей мультифрактального анализа может служить индикатором отклика организма на внешнее воздействие, применимым в условиях сильно нестационарной динамики.

Достоверность научных выводов работы подтверждается использованием алгоритмов численного моделирования стохастической динамики, базирующихся на классических результатах теории случайных процессов, соответствием результатов, полученных разными методами, а также их воспроизводимостью. Результаты численных и экспериментальных исследова-

ний соответствуют теоретическим предпосылкам и результатам исследований, проводимых по смежным задачам.

Научная новизна работы состоит в следующем:

1. Выявлены ограничения техники мультифрактального анализа при исследовании неоднородных процессов. Показано, что различные типы сингу-лярностей, присутствующие в анализируемом сигнале, могут быть идентифицированы, если они относятся к разным масштабам наблюдения.

2. Впервые показано, что фазовая синхронизация хаоса может быть рассмотрена как эффект потери мультифрактальности в структуре последовательностей времен возврата в секущую плоскость. Сформулированы общие закономерности мультифрактального описания синхронизации хаоса в динамике систем с одним и несколькими временными масштабами.

3. Впервые показано, что стрессорное воздействие на организм может приводить к потере мультифрактальности в динамике сердечно-сосудистой системы. Выявлены типичные изменения корреляций в последовательностях временных интервалов между сердечными сокращениями.

Научно-практическое значение результатов работы.

1. Результаты, полученные в рамках настоящей работы, свидетельствуют о том, что мультифрактальный анализ представляет собой эффективный инструмент исследования, который может быть полезен при выявлении особенностей структуры сложных режимов колебаний в задачах нелинейной динамики и теории случайных процессов.

2. Рассмотренный ранее эффект потери мультифрактальности в режиме стохастической синхронизации переключений бистабильной системы обобщен на случай фазовой синхронизации хаотической динамики взаимодействующих автоколебательных систем.

3. Результаты по мультифрактальному описанию динамики артериального кровяного давления позволяют предложить количественный критерий отклика организма на внешнее воздействие. В отличие от классических методов анализа, данный критерий применим в условиях сильной нестационарности режимов колебаний в динамике биологических систем.

4. Результаты, полученные при рассмотрении различных моделей, могут быть использованы в учебном процессе. Часть результатов работы уже используется при чтении лекций студентам кафедры радиофизики и нелинейной динамики Саратовского государственного университета в рамках спецкурса "Анализ временных рядов."

Апробация работы и публикации. Основные материалы диссертации были доложены на научных конференциях: "Современные проблемы элек-

троники и радиофизики СВЧ" (Саратов, 2001), международной школе-конференции "Chaos" (Саратов, 2001), Всероссийской научной конференции студентов-радиофизиков (Санкт-Петербург, 2001), конференции "Synchronization of Chaotic and Stochastic Oscillations (SYNCHRO-2002)" (Саратов, 2002), "Нелинейные дни в Саратове для молодых-2003" (Саратов, 2003), "Complex Dynamics, Fluctuations, Chaos, and Fractals in Biomedical Photonics" (Сан-Хосе, США, 2004). Результаты неоднократно обсуждались на научных семинарах кафедры радиофизики и нелинейной динамики Саратовского государственного университета, рабочей группы нелинейной динамики Гумбольдт-ского университета (под руководством проф. В. Эбелинга), рабочей группы "Хаос" Датского технического университета (под руководством проф. Э. Мо-зекильде). Результаты работы использованы при выполнении международного проекта ИНТАС (01-2061), грантов CRDF (REC-006), Министерства Образования и Науки (тема "Амплитуда"), а также индивидуальных грантов НОЦ "Нелинейная динамика и биофизика", Министерства Образования РФ (А03-2.9-355) и Федерального Агентства по образованию РФ (А04-2.9-516).

Личный вклад автора. Все основные результаты, на которых базируется диссертация, получены лично автором. В совместных работах автором выполнено программирование всех задач и проведены численные эксперименты. Формулировка поставленных задач, выбор моделей, а также объяснение и интерпретация полученных результатов проведено совместно с научным руководителем и соавторами.

Структура и объем диссертации. Диссертация состоит из введения, трех содержательных глав, заключения и списка цитированной литературы. В ней содержится 83 страницы текста, 40 рисунков, библиография из 120 наименований на 16 страницах. Общий объем диссертации 139 страниц.

Содержание работы

Во введении обосновывается актуальность работы, определяются цели исследования, ставятся основные задачи, раскрывается научная новизна полученных результатов и формулируются положения, выносимые на защиту.

В первой главе рассматриваются особенности метода анализа сингу-лярностей, базирующегося на вейвлет-преобразовании. Обсуждаются разные варианты расчета экспонент Хелдера h и спектра сингулярностей D(h) — непосредственно по определению и на основе расчета "частичных функций" (или обобщенных фрактальных размерностей). Рассматривается взаимосвязь между скейлинговыми характеристиками мультифрактального ана-

лиза и величинами, характеризующими скорость спадания автокорреляционной функции либо частотную зависимость спектральной плотности мощности.

Проводится тестирование метода "максимумов модулей вейвлет-преобра-зования" на примере сигналов с известными статистическими свойствами (Винеровский процесс, белый шум, последовательность импульсов со структурой Канторова множества). Показано, что при рассмотрении однородных процессов базирующийся на вейвлет-преобразовании мультифрактальный анализ позволяет с высокой точностью определять численные значения Хел-деровских экспонент к и вычислять спектр сингулярностей (истинные значения к — 0.5 и к = 1.5 для белого шума и Винеровского процесса вычисляются с погрешностью не более 3-5% по коротким участкам сигналов, составляющим порядка 3000 точек).

Чтобы оценить реальные возможности и ограничения мультифракталь-ного анализа, рассматриваются более сложные примеры, в частности, процессы, сочетающие участки с различными статистическими характеристиками, а также сигналы, представляющие собой сумму процессов с известными статистическими свойствами. В первом случае метод ММВП четко диагностирует участки различной динамики (ситуация почти не отличается от простых или так называемых "монофрактальных" сигналов); во втором случае эффективность работы метода зависит от различий в масштабах наблюдения сингулярностей. Если на одних масштабах проявляется один тип сингулярного поведения, а на других - другой, то метод ММВП позволяет их идентифицировать; если же различия в масштабах несущественны, то четкого разделения сингулярностей может не получиться, и вычисляемые Хелде-ровские экспоненты будут представлять собой усредненные характеристики. Проводится сопоставление техники ММВП и классического корреляционного анализа при исследовании корреляций в сигналах малой длительности (не более 3000 точек). Показано, что погрешность мультифрактального анализа значительно меньше чем погрешность классического метода расчета автокорреляционной функции.

Во второй главе метод исследования мультифрактальности рассматривается в применении к явлению синхронизации хаоса в двух связанных автоколебательных системах. На основе техники ММВП анализируется структура последовательностей времен возврата в секущую Пуанкаре для различных модельных систем и для экспериментальных данных. В качестве модели, демонстрирующей сравнительно простую динамику, выбраны две

связанные системы Ресслера:

Каждая подсистема этой модели имеет одну четко выраженную базовую частоту (или временной масштаб). Рассматривается, как переходы от синхронной хаотической динамики СЛО К несинхронной С Л( и от хаоса к гиперхаосу (при изменении параметров модели) отражаются в структуре времен возврата в секущую Пуанкаре для каждой из подсистем. При переходе от несинхронного хаотического аттрактора к синхронному отмечаются два хорошо заметных отличия (рис. 1):

1)происходит смещение спектра сингулярностей Б(к) (уменьшение экспонент Хелдера к), означающее усиление анти-корреляций, то есть чередования больших и малых значений в последовательности времен возврата;

2) ширина спектра сингулярностей в синхронном режиме уменьшается почти до нуля, что характеризует переход от мультифрактальной динамики к монофрактальной.

Последнее означает, что в рассмотренном примере синхронизация хаоса может интерпретироваться как эффект потери мультифрактальности в хаотической динамике.

Далее исследуются особенности мульти-фрактального описания динамики систем с несколькими характерными временными масштабами и рассматриваются связанные системы Лоренца и модель двух взаимодействующих нефронов почки. Хаотические колебания, соответствующие аттрактору Лоренца, характеризуются двумя частотами, первая из которых определяется вращением вокруг одного из неустойчивых фокусов, а вторая соответствует процессу переключений (если рассматривать систе-

му Лоренца как бистабильную). Модель нефрона является примером системы, демонстрирующей колебания с двумя различными временными масштабами: медленные колебания проксимального давления и сравнительно быстрые колебания, обусловленные миогенной динамикой сосудов. Путем выбора разных фазовых переменных (или различного задания уравнения секущей плоскости) эти два масштаба могут изучаться по-отдельности.

Показано, что проявление эффектов синхронизации в системах с несколькими характерными временными масштабами является более разнообразным. Существует несколько типичных эффектов (уменьшение степени мультифрактально-сти, уменьшение "гладкости" последовательностей времен возврата, характеризующееся изменением экспонент Хелдера, уменьшение различий между спектрами сингулярностей режимов динамики каждой подсистемы), которые могут наблюдаться как одновременно, так и в различных сочетаниях. Например, фазовая синхронизация хаоса может устранять различия между спектрами сингулярностей без потери мультифрактальности или, наоборот, приводить к потере мультифракталь-ности без сближения спектров сингуляр-ностей (рис. 2, черным и белым отмечена динамика каждой из подсистем модели). На рисунке 2 проиллюстрирована динамика на разных масштабах наблюдения — малых масштабах (q < 0) и больших масштабах (q > 0).

Таким образом, проявление фазовой синхронизации в структуре последовательностей времен возврата систем с несколькими временными масштабами может быть различным, но при этом сохраняется набор из трех достаточно общих эффектов. Изменения, наблюдаемые при анализе модели взаимодействующих нефронов, сопоставляются с результатами обработки данных биологических экспериментов. Обсуждаются общие закономерности мультифрактального описания синхронизации

2.2

Рис. 2: Различные варианты отражения эффекта фазовой синхронизации в структуре последовательностей времен возврата в динамике модели взаимодействующих нефронов Переход от несинхронной динамики (треугольники) к синхронной (кружочки) сопровождается сближением Хелдеровских экспонент (сверху) либо переходом к монофрактальной динамике (снизу). Параметр д характеризует масштаб наблюдения.

хаоса и стохастической синхронизации переключений бистабильной системы.

В третьей главе рассматривается применение техники мультифракталь-ного анализа к процессам биологического происхождения. На основе метода максимумов модулей вейвлет-преобразования анализируется структура сигналов артериального давления крови крыс. Обсуждается влияние стресса на эффекты мультифрактальности в динамике сердечно-сосудистой системы. Обнаружены две типичные реакции, первая из которых состоит в том, что стресс приводит к уменьшению Хелдеровских экспонент, то есть изменению корреляционных свойств: анализируемые данные (последовательности интервалов между сердечными сокращениями) становятся менее "гладкими".

Рассматриваемые сигналы по своим статистическим характеристикам занимают промежуточное положение между шумом (к = 1) и Винеровским процессом (к — 1.5) для самцов крыс в обычном состоянии, и (обычно) промежуточное положение между белым шумом (к — 0.5) и 1//-динамикой при стрессе — рис. 3.

Вторая типичная реакция состоит в уменьшении диапазона значений Хелдеровских экспонент (уменьшении степени мультифрактальности вплоть до перехода к монофрактальной динамике).

Проведены статистические исследования в двух сериях экспериментов (на 23 крысах). Проанализированы различия в стрессорных реакциях самок и самцов. Отмечено, что при стрессе может происходить переход от коррелированного поведения (к > 0.5) к некоррелированному (к = 0.5).

Стандартные физиологические характеристики (например, ЧСС) демонстрируют однотипные изменения при стрессе (учащение сердцебиений), тогда как метод ММВП показывает, что изменения структуры сигналов на самом деле могут быть принципиально различными. Полученные результаты свидетельствуют о том, что мультифрактальный анализ представляет собой перепек-

0.8 —.........

-1.5 -1.0 -0.5 00 0.5 1.0 1.5

1.0 -------

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Рис. 3: Две типичные реакции на стресс - изменение корреляционных свойств и потеря мультифрактальности в структуре последовательностей временных интервалов между сердечными сокращениями. Черные кружочки соответствуют обычному состоянию, белые — динамике при стрессе.

тивный инструмент для обработки данных, который может быть успешно применен для классификации состояний биологических объектов по сильно нестационарным сигналам. Этот инструмент, в частности, может быть полезен в качестве индикатора отклика организма на стрессорное воздействие.

Основные результаты работы суммируются в заключении.

Основные результаты и выводы

1. Выявлены возможности и ограничения техники мультифрактального анализа при исследовании сигналов, содержащих несколько различных типов сингулярностей. Установлено, что метод "максимумов модулей вейвлет-преобразования" позволяет с высокой точностью идентифицировать особенности, относящиеся к разным масштабам наблюдения (случай, когда на одних масштабах проявляется один тип сингулярного поведения, на других -другой). Если различия в масштабах незначительны, то вычисляемые Хел-деровские экспоненты представляют собой усредненные характеристики локального сингулярного поведения.

2. Установлено, что синхронизация хаоса в динамике взаимодействующих автоколебательных систем может представлять собой эффект потери муль-тифрактальности в структуре последовательностей времен возврата в секущую Пуанкаре. Фазовая синхронизация сопровождается значительными изменениями структуры указанных последовательностей, наиболее типичными из которых являются:

а) уменьшение степени мультифрактальности (ширины спектра сингу-лярностей);

б) уменьшение "гладкости" последовательностей времен возврата, то есть изменение корреляционных свойств;

в) сближение спектров сингулярностей, характеризующих мультифрак-тальную динамику взаимодействующих подсистем.

При взаимодействии подсистем с несколькими характерными временными масштабами наблюдается одновременное проявление всех указанных изменений (случай сильной связи) или любое их сочетание (при слабой связи). На примере динамики парных нефронов почек продемонстрировано сходство эффектов, наблюдаемых при синхронизации хаоса в моделях и в биологических экспериментах.

3. Рассмотрено применение техники мультифрактального анализа к процессам биологического происхождения (сигналам артериального кровяного давления крыс). Установлено, что стрессорное воздействие может привести к

потери мультифрактальности в динамике сердечно-сосудистой системы. Обнаружено, что самцы крыс демонстрируют более сильные изменения спектра сингулярностей при стрессе по сравнению с самками. Эти изменения состоят в уменьшении ширины спектра сингулярностей и уменьшении Хел-деровских экспонент. Полученные результаты свидетельствуют о том, что мультифрактальный анализ может рассматриваться в качестве индикатора отклика организма на стрессорное воздействие, применимого в условиях сильно нестационарной и неоднородной динамики.

Список работ по теме диссертации

1. Pavlov A.N., Ebeling W., Molgedey L., Ziganshin A.R., Anishchenko V.S. Scaling features of texts, images and time series // Physica A. — 2001. — V. 300.

- P. 310-324.

2. Павлов А.Н., Зиганшин А.Р., Анищенко B.C. Мультифрактальный анализ временных рядов // Изв. вузов, Сер. Прикладная нелинейная динамика.

- 2001. - Т. 9, N 3. - С. 39-53.

3. Pavlov A.N., Sosnovtseva O.V., Ziganshin A.R. Holstein-Rathlou N.-H., Mosekilde E. Multiscality in the dynamics of coupled chaotic systems // Phys-ica A. - 2002. - V. 316. — P. 233-249.

4. Павлов А.Н., Сосновцева О.В., Зиганшин А.Р. Мультифрактальный анализ хаотической динамики взаимодействующих систем // Изв. вузов, Сер. Прикладная нелинейная динамика. — 2003. — Т. 11, N 2. — С. 39—54.

5. Pavlov A.N., Ziganshin A.R., Klimova ОА Multifractal characterization of blood pressure dynamics: stress-induced phenomena // Chaos, Solitons and Fractals. - 2004. - V.24. - P. 57-63.

6. Pavlov A.N., Dumsky D.V., Ziganshin A.R., Klimova O.A., Anishchen-ko V.S. Multimode dynamics of arterial blood pressure in healthy rats and its multifractal characterization // Complex Dynamics, Fluctuations, Chaos, and Fractals in Biomedical Photonics. Proc. SPIE. - 2004. - V. 5330. - P. 66—73.

7. Ziganshin A.R., Pavlov A.N. Scaling properties of multimode dynamics in coupled chaotic oscillators // Proc. of the Int. Conf. "PhysCon2005". - St.-Peterburg, 2005 (accepted for publication).

8. Зиганшин А.Р. Мультифрактальный анализ сигналов сложной структуры // Материалы научной конференции "Современные проблемы электроники и радиофизики СВЧ". — Саратов, 2001. — С. 68—70.

9. Ziganshin A.R., Pavlov A.N. Scaling features of biological data // Book of Abstracts of the International School "Chaos". — Saratov, 2001. — P. 45—46.

10. Зиганшин А.Р. Анализ мульти фрактальных свойств временных рядов // Тез. 5-й Всерос. науч. конф. студентов-радио физиков. СПб., 2001. - С. 36-38.

11. Pavlov A.N., Sosnovtseva O.V., Ziganshin A.R., Holstein-Rathlou N.-H., Mosekilde E. Multiscality in the dynamics of coupled chaotic systems // Book of Abstracts of the International Conference "Synchronization of Chaotic and Stochastic Oscillations" (SYNCHRO-2002). - Saratov, 2002. - P. 44.

12. Зиганшин А.Р. Мультифрактальный анализ реакции на стресс белых крыс // Тр. конф. "Нелинейные дни в Саратове для молодых-2003". — Саратов, 2003. — С. 213-215.

Зиганшин Амир Рустамович Мультифрактальный анализ динамики нелинейных систем Специальность 01.04.03 — радиофизика Автореферат

Подписано в печать 18.05.05. Формат 60x84 1/16. Объем 1,0 п. л. Тираж 100 экз. Заказ 91

Типография Издательства Саратовского университета. 410012, Саратов, Астраханская, 83.

» t »irt«. i - !

' t А

i!D,¡2CC5 .. i

Содержание диссертации автор исследовательской работы: кандидата физико-математических наук, Зиганшин, Амир Рустамович

Введение

1 Мультифрактальный анализ на основе вейвлет-преобразова-ния

1.1 Анализ сингулярностей с помощью вейвлетов.

1.2 Метод максимумов модулей вейвлет-преобразования.

1.3 Тестирование метода мультифрактального анализа.

1.4 Выводы по первой главе.

2 Мультифрактальный анализ хаотической динамики взаимодействующих систем

2.1 Постановка задачи.

2.2 Синхронизация хаоса в динамике связанных систем Ресслера

2.3 Синхронизация хаоса в динамике связанных систем Лоренца

2.4 Взаимодействующие нефроны

2.5 Стохастическая синхронизация

2.6 Выводы по второй главе.

3 Мультифрактальный анализ динамики артериального давления крови

3.1 Постановка задачи.

3.2 Эксперименты и результаты.

3.2.1 Первая серия экспериментов (тестовая).

3.2.2 Вторая серия экспериментов (эффекты, обусловленные стрессорным воздействием).

3.3 Выводы по третьей главе.

Введение диссертация по физике, на тему "Мультифрактальный анализ динамики нелинейных систем"

Теория фракталов и мультифракталов в настоящее время широко используется для описания свойств самоподобия и сложного скейлинга, наблюдаемых в самых разных физических ситуациях [1-15]. Мультифрактальный подход изначально был предложен для статистического анализа особенностей скейлинга сингулярных мер [16-21] и с успехом применялся в разных областях науки - при изучении агрегационных свойств клеточных элементов крови в биологии и диффузионного роста кластеров, для характеристики разрушения материалов в физике металлов, в теории развитой гидродинамической турбулентности, при исследовании несоразмерных структур и квазикристаллов в физике твердого тела, для анализа структуры молекул ДНК, в задачах об одномерных случайных блужданиях и при исследовании броуновского движения, для описания инвариантной вероятностной меры странных аттракторов и т.д. [4,18,22-34]. Самые разные объекты природы могут быть отнесены к специальному классу "мультифракталов", и, пожалуй, довольно сложно найти область науки, где бы мы не встретились с представителями этого класса [35].

К числу фракталов относят геометрические объекты (линии, поверхности, пространственные тела), которые имеют сильно изрезанную форму и демонстрируют некоторую повторяемость в широком диапазоне масштабов [36]. Повторяемость может быть полной (в этом случае говорят о регулярных фракталах), либо может наблюдаться некоторый элемент случайности (такие фракталы называют случайными). Структура случайных фракталов на малых масштабах не является точно идентичной всему объекту, но их статистические характеристики совпадают.

Для количественного описания фракталов достаточно одной величины -фрактальной размерности или параметра, описывающего сохраняемость статистических характеристик при изменении масштаба. Мультифракталы - это более сложные объекты, для полного описания которых требуется не одна, а целый спектр фрактальных размерностей (возможно даже бесконечный). Фактически, мультифрактальный подход означает, что изучаемый объект каким-то образом можно разделить на вложенные фрагменты (подмножества), для каждого из которых наблюдаются свои свойства самоподобия [37].

Количественное описание мультифракталов осуществляется в терминах "спектра сингулярностей" f(a). Смысл этой функции состоит в следующем [38-40]. Предположим, что задана мера /х на некотором множестве, например, задано распределение заряда или массы. Если это множество покрывать сферами радиуса б, то мера, попадающая в каждую такую сферу, зависит от радиуса по степенному закону вида:

МО - (1) где ai - называется "экспонентой сингулярности", а индекс г означает номер элемента покрытия. Экспонента сингулярности в точке Хо имеет вид где ВХо(е) - сфера радиуса е с центром в точке хо. Чем меньше значение at, тем более сингулярной является мера /ij. Предел ai = 0 соответствует распределению меры, подобному функции Дирака, и означает, что заряд или масса распределены не равномерно, а сосредоточены вблизи одной точки [41, 42]. Спектр сингулярностей f{a) характеризует зависимость числа элементов покрытия Na (для которых ai равно некоторому конкретному значению а) от величины с.

По смыслу величина / соответствует размерности Хаусдорфа. В случае равномерного распределения меры на фрактальном множестве (классическим примером является Канторово множество) ai = а = const, и спектр сингулярностей представляет собой единственную точку на плоскости (о;,/). При неравномерном распределении меры функция f(a) имеет более сложный ("колоколообразный") вид.

Вышесказанное можно проиллюстрировать на примере Канторова множества. Процедура его построения состоит в следующем: отрезок [0,1] делится на 3 равные части, после чего средняя часть выбрасывается. Затем те же операции проводятся с двумя оставшимися частями и т.д. На некотором шаге п данной процедуры мы получим 2П равных отрезков, каждый длиной 3-п.

Предположим теперь, что на Канторовом множестве задано равномерное распределение меры ц (например, массы), и для покрытия множества рассма

3) триваются 2П элементов (окружностей) размера е = 3~п. Мера, попадающая в каждый из этих элементов, будет равна fi(Bxi(б)) = 2-п, где через Bxi{e) обозначена окружность с центром в точке Х{ и диаметром е. Согласно формуле (1), экспонента сингулярности с^, определяемая наклоном зависимости Inn(.Bxi(e)) от In б, принимает значение а.{ = 1п2/1пЗ. (В пределе е —> 0 это значение экспоненты соответствует каждой точке Канторова множества). В рассматриваемом примере размерность Хаусдорфа йн = ol = In 2/In 3, а спектр сингулярностей f(a) состоит из одной точки (/(а) = da = а) [43].

Если мера распределена неравномерно, спектр сингулярностей усложняется. Для иллюстрации проанализируем случай биномиального распределения [38]: предположим, что отрезок [0,1] вновь делится на 3 равные части; средняя часть выбрасывается, но теперь мы приписываем разные весовые коэффициенты pi и р2 = (1 — р\) ф Pi двум оставшимся интервалам [0,1/3] и [2/3,1]. Если вначале (п = 0) мы примем для всего интервала [0,1] цо = 1, то на первом шаге процедуры построения Канторова множества двум отрезкам соответствуют меры /хi = pi^o и //2 = (1 — Pi)Но- При последующих шагах будем использовать те же самые весовые коэффициенты р\ и р2, осуществляя деление на части каждого из отрезков.

Покрывая полученное фрактальное множество окружностями радиуса б = 3"п, рассмотрим крайний левый и крайний правый отрезки. Для первого из них (содержащего точку хо = 0) мера, попадающая в окружность В о диаметра б, равна ц{Во) = Pifio = Pi - Поэтому, согласно (2), а(0) = \пр\/ 1п(1/3). Аналогично, для крайнего правого отрезка, содержащего точку хо — 1, можно записать а(1) = 1пр2/ 1п(1/3). Поскольку изначально р\ ^ р2, то и а(0) Ф а(1)- Соответственно, спектр сингулярностей f(a) уже не будет состоять только из одной точки.

На практике, вычислить функцию f{cx) на основе формулы (3) весьма проблематично из-за очень медленной сходимости при е —» 0. Кроме того, значения оцениваемых характеристик могут заметно варьироваться для разных выбранных точек. Поэтому в теории мультифракталов предпочитают использовать специальный подход, основанный на расчете обобщенных фрактальных размерностей как "глобальных" характеристик, зная которые, можно вычислить спектр сингулярностей /(<*).

В рамках данного подхода вводятся в рассмотрение так называемые "частичные функции" (или "обобщенные статистические суммы") [43-45]:

N(e)

Z(<z,6) = 5>?(e)' (4) г=1 где N(e) - число элементов покрытия фрактального множества (например, сфер), fa - мера, попадающая в сферу с номером г, q Е R. Обычно наблюдается степенная зависимость Z(q, е) от размера элемента покрытия:

Z(q,e) (5) где значения r(q) называются скейлинговыми экспонентами; они связаны с обобщенными фрактальными размерностями следующим образом [41]:

Я (9-1) [>

Для простых фракталов (монофракталов) Dq = const, для мультифракталь-ных объектов Dq меняется с ростом q (рис. 1).

Рис. 1. Скейлинговые экспоненты и обобщенные фрактальные размерности монофрактального объекта (пунктир) и мультифрактала (сплошная линия).

Метод расчета спектра сингулярностей на основе скейлинговых экспонент r(q) является более устойчивым и надежным чем по определению (3). Для нахождения функций f(a) можно воспользоваться преобразованием Лежан-дра: f(a) = qa — r(q) (7)

В последней формуле а = drjdq, то есть знание спектра скейлинговых экспонент позволяет сразу же определить искомую функцию f(a). Мультифрактальный анализ часто называют "мультифрактальным формализмом", подразумевая подход, в рамках которого спектр сингулярностей /(а) рассматривается как преобразование Лежандра спектра r(q). Как отмечено в работах [17,18,46], существует глубокая аналогия между мультифрактальным формализмом и статистической термодинамикой. Переменные q и r{q) играют ту же роль, что и величина, обратная температуре, и свободная энергия в термодинамике, а преобразование Лежандра указывает на то, что вместо энергии и энтропии рассматриваются а и f(a) [47,48]. Ряд строгих математических результатов, относящихся к мультифрактальному формализму, был получен в рамках теории динамических систем. В последние годы данный подход приобретает большую популярность в различных экспериментальных исследованиях.

Необходимо отметить, что фракталы в природе существуют не только в виде сингулярных мер, но и как сингулярные функции, и для многих практических целей (в частности, в задачах анализа сигналов) наибольшую ценность представляет именно наличие строгого математического подхода к анализу мультискейлинговой структуры процессов различной природы [49]. Очень многие сигналы, которые приходится анализировать на практике, могут быть рассмотрены в качестве представителей специального класса "мультифрак-тальных процессов" [19,50-55]. Если простые (или монофрактальные) сигналы (например, 1//-шум) являются однородными в том смысле, что их скейлинговые свойства остаются неизменными в любом частотном диапазоне, то мультифрактальные процессы допускают разложение на подмножества (участки) с различными локальными свойствами скейлинга [56]. Соответственно, для количественного описания данных объектов требуется большое число характеристик.

Было предпринято несколько попыток обобщить концепцию мультифрак-талов на случай функциональных зависимостей (сигналов). В 1985 году в работе [54] для статистического анализа сингулярностей был предложен метод структурных функций, который на протяжении последних лет достаточно часто использовался разными исследователями (возможно наиболее широкое распространение метод структурных функций приобрел в задачах исследования сильно развитой турбулентности). В 1991 году в работе группы Арнеодо [44] был предложен более совершенный метод "модулей максимумов вейвлет-преобразования'^ММВП)1, имеющий ряд существенных преимуществ (исследование более широкого класса сингулярностей - не только самих сигналов, но и их производных; меньшая погрешность вычисления и т.д.). Техника ММВП на сегодняшний день является наиболее эффективным методом статистического анализа сингулярностей и может успешно применяться при исследованиях структуры сильно неоднородных (нестационарных) про

1В зарубежной литературе используется сокращение WTMM ("wavelet trnsform modulus maxima") цессов различной природы.

Метод ММВП базируется на вейвлет-анализе, который называют математическим "микроскопом" из-за способности сохранять хорошее разрешение на разных масштабах. Привлекательность данного подхода состоит в том, что с его помощью можно анализировать как сингулярные меры, так и сингулярные функции; кроме того, он является более универсальным аппаратом для исследования мультискейлинговых свойств объектов по сравнению с ранее разработанными алгоритмами, например, методом структурных функций [57].

Метод ММВП часто интерпретируют как обобщение классических методов покрытия множества сферами, кубиками и т.п. с той лишь разницей, что вместо вышеупомянутых элементов покрытия используются вейвлеты. Поскольку базисные функции вейвлет-преобразования являются хорошо локализованными (солитоноподобными), они представляют собой эффективный математический аппарат для анализа принципиально неоднородных (нестационарных) процессов. Детали метода ММВП обсуждаются в первой главе настоящей работы. Отметим, что переход от изучения сингулярных мер к сингулярным функциям (или сигналам) сопровождается сменой используемых обозначений: вместо спектра сингулярностей /(су) рассматривается функция D(h), имеющая приблизительно тот же смысл, где h называют экс-понентой Хелдера или локальной экспонентой Херста (по смыслу она аналогична a), a D(ho) представляет собой фрактальную размерность подмножества анализируемых данных, которое характеризуется локальной экспонентой ho.

Математическое определение экспоненты Херста Н звучит следующим образом [38]: Если д(х) есть функция, инвариантная по отношению к аффинным преобразованиям, то Ухо € R, 3Н е R такое, что VA > 0:

Если д представляет собой случайный процесс, равенство будет выполняться только при фиксированных значениях Л и xq. В случае Н < 1 функция д{х) является не дифференцируемой и, по аналогии с экспонентой сингулярности а, чем меньше Я, тем более сингулярна д{х).

При исследовании мультифрактальных объектов локальные скейлинговые свойства отличаются для разных подмножеств анализируемых данных, поэтому говорят о локальных экспонентах Херста (экспонентах Хелдера) h{xо), которые вводятся путем незначительного изменения определения Н (8): и характеризуют локальное сингулярное поведение объекта исследования. Как отмечается в [56], мультифрактальный подход для сигналов потенциально способен характеризовать широкий класс процессов, являющихся более сложными по сравнению с процессами, для описания которых достаточно одного числа (единственного значения фрактальной размерности либо одной скейлинговой характеристики, описывающей, например, частотную зависимость спектральной плотности мощности).

Базирующийся на вейвлет-преобразовании мультифрактальный анализ можно интерпретировать как новый взгляд на проблему исследования структуры сигналов. В задачах статистической радиофизики традиционно больд(хо -Ь Хх) - д(х0) ~ \н{д(х0 + х) - д(х0)).

8) д(х о -hi)- д(х0) Clh

9) шое внимание уделяется спектрально-корреляционному анализу. Однако классические методы расчета корреляционных функций или спектра мощности применимы лишь в случае стационарных процессов и требуют большой длительности сигналов для получения надежных оценок закона спада корреляций или частотной зависимости функции спектральной плотности. В отличие от классических подходов, метод ММВП позволяет проводить корреляционный анализ по коротким и нестационарным сигналам, что позволяет рассматривать данный метод в качестве инструмента исследования структуры реальных процессов, полученных в экспериментах. Причем этот инструмент является достаточно универсальным и может применяться вне зависимости от свойства стационарности или природы сигнала; с его помощью могут с равным успехом анализироваться как процессы, регистрируемые в радиофизических экспериментах, так и медико-биологические данные (представляющие пожалуй, пример наиболее сложных по своей структуре сигналов).

Актуальность работы определяется важностью проблемы выявления потенциальных возможностей и существующих ограничений метода муль-тифрактального анализа при решении задачи анализа структуры сигналов нелинейных систем. Базирующийся на вейвлет-преобразовании мультифрак-тальный анализ является новым, очень перспективным инструментом исследования структуры неоднородных и нестационарных процессов. Потребовалось менее 10 лет, чтобы данный подход (метод максимумов модулей вейвлет-преобразования) завоевал мировое признание и стал одним из популярных методов анализа нестационарных данных. После публикации в 1999 году в журнале "Nature" работы по мультифрактальному описанию сердечного ритма [56] и серии статей в журналах "Physical Review Letters" и "Physica А" [58-62] мультифрактальный анализ стал широко применяться для обработки медико-биологических процессов. За последние несколько лет наличие муль-тифрактальной структуры было обнаружено и численно охарактеризовано в динамике очень многих систем различной природы. Некоторые исследователи считают [57], что метод ММВП является, возможно, наиболее мощным в настоящее время инструментом статистического описания неоднородных и нестационарных процессов сложной структуры. Однако, несмотря на значительное число публикаций в ведущих международных журналах, возможности техники мультифрактального анализа на сегодняшний день детально не исследованы. Как правило, большинство известных работ ограничивается констатацией факта наличия мультискейлинговой структуры в той или иной ситуации и расчетами спектра сингулярностей. Лишь по отдельным научным направлениям были проведены более глубокие исследования (например, мультифрактальный анализ явления сильно развитой турбулентности) либо получен ряд строгих теоретических результатов (в рамках теории динамических систем). Известные в настоящее время научные работы зачастую рассматривают либо очень простые примеры мультифракталов (где возможно проведение строгого математического анализа, т.е. получение аналитических результатов), либо очень сложные (сильно нестационарные и неоднородные процессы, такие как сердечный ритм). В последнем случае проведение исследований возможно только численно (на компьютере), но в силу сложности сигналов и отсутствия а-приорной информации о режиме динамике анализируемой системы нельзя проконтролировать достоверность результатов и оцеI нить погрешность вычисления характеристик мультифрактального анализа. С этой точки зрения, для выявления возможностей и ограничений данного метода представляется целесообразным проведение мультифрактального анализа хаотической и стохастической динамики нелинейных систем, т.е. исследование моделей нелинейной теории колебаний, при котором характерные изменения спектра сингулярностей можно сопоставить с какими-то изменениями режима динамики рассматриваемых нелинейных систем. Поскольку многие процессы в природе относятся к классу "мультифракталов", то есть мультифрактальность можно рассматривать как достаточно общее явление, исследование этого явления и возможность его количественного описания представляет интерес уже само по себе. Кроме того, такое исследование имеет и практическую ценность с точки зрения изучения возможностей нового инструмента анализа структуры сигналов, применимого при решении очень широкого круга задач. К настоящему времени, за редким исключением, практически не исследованы эффекты потери мультифрактальности (переходы от мульти- к монофрактальной структуре). Мало изучено влияние флуктуаций в нелинейных системах со сложной динамикой иа скейлинговые характеристики режимов колебаний (в этом направлении можно, пожалуй, отметить лишь работу по мультифрактальному описанию явления стохастического резонанса [63]). Не исследованы изменения скейлинговых характеристик при синхронизации хаоса в динамике связанных автоколебательных систем. Хотя наличие сложного скейлинга в процессах медико-биологического происхождения было установлено, остается открытым вопрос о том, как различные воздействия на живые системы и изменение привычных условий функционирования влияют на особенности мультискейлинговой структуры их процессов. В целях ответа на эти и ряд других вопросов в рамках настоящей диссертационной работы предполагается сочетание исследования модельных систем с обработкой экспериментальных данных. На сравнительно простых моделях теории нелинейных колебаний планируется выявлять эффекты изменения структуры сигналов. С помощью экспериментальных данных предполагается анализировать, насколько те или иные эффекты, наблюдаемые в модельных системах, типичны на практике.

Цель диссертационной работы заключается в выявлении возможностей и ограничений мультифрактального анализа при исследовании неоднородных процессов, изучении особенностей мультифрактального описания хаотической и стохастической динамики нелинейных систем, включая эффекты потери мультифрактальности, а также в применении техники мультифрактального анализа в исследованиях сложных режимов колебаний биологических систем.

Для достижения указанной цели необходимо решить следующие основные задачи:

1. Определить возможности и ограничения метода мультифрактального анализа, основанного на вейвлет-преобразовании, при исследовании структуры процессов, содержащих несколько различных типов сингулярного поведения.

На защиту выносятся следующие положения:

• уменьшение степени мультифрактальности (вплоть до перехода к монофрактальной динамике);

• уменьшение Хелдеровских экспонент, характеризующее усиление антикорреляций;

• устранение различий между спектрами сингулярностей режимов динамики каждой системы.

Научная новизна работы состоит в следующем:

- Выявлены ограничения техники мультифрактального анализа при исследовании неоднородных процессов. Показано, что различные типы сингулярностей, присутствующие в анализируемом сигнале, могут быть идентифицированы, если они относятся к разным масштабам наблюдения.

- Впервые показано, что фазовая синхронизация хаоса может быть рассмотрена как эффект потери мультифрактальности в структуре последовательностей времен возврата в секущую плоскость. Сформулированы общие закономерности мультифрактального описания синхронизации хаоса в динамике систем с одним и несколькими временными масштабами.

- Впервые показано, что стрессорное воздействие на организм может приводить к потере мультифрактальности в динамике сердечно-сосудистой системы. Выявлены типичные изменения корреляций в последовательностях временных интервалов между сердечными сокращениями.

Научно - практическое значение результатов работы.

- 201. Результаты, полученные в рамках настоящей работы, свидетельствуют о том, что мультифрактальный анализ представляет собой эффективный инструмент исследования, который может быть полезен при выявлении особенностей структуры сложных режимов колебаний в задачах нелинейной динамики и теории случайных процессов.

Апробация работы и публикации.

Основные материалы диссертации были доложены на следующих научных конференциях: "Современные проблемы электроники и радиофизики СВЧ" (Саратов, 2001), международной школе-конференции "Chaos" (Саратов, 2001), Всероссийской научной конференции студентов-радиофизиков

Санкт-Петербург, 2001), конференциях "Synchronization of Chaotic and Stochastic Oscillations (SYNCHRO-2002)" (Саратов, 2002), "Нелинейные дни в Саратове для молодых-2003" (Саратов, 2003), "Complex Dynamics, Fluctuations, Chaos, and Fractals in Biomedical Photonics" (Сан-Хосе, США, 2004).

Результаты неоднократно обсуждались на научных семинарах кафедры радиофизики и нелинейной динамики Саратовского государственного университета, рабочей группы нелинейной динамики Гумбольдтского университета (под руководством проф. В.Эбелинга), рабочей группы "Хаос" Датского технического университета (под руководством проф. Э.Мозекильде).

По теме диссертации опубликовано и принято к печати 12 работ в центральной и зарубежной печати (7 статей и 5 тезисов докладов), которые включены в общий список литературы под номерами [108-119]

Структура и объем диссертации.

Диссертация состоит из введения, трех содержательных глав, заключения и списка цитированной литературы. В ней содержится 83 страницы текста, 40 рисунков, библиография из 120 наименований на 16 страницах. Общий объем диссертации 139 страниц.

Заключение диссертации по теме "Радиофизика"

Основные результаты работы заключаются в следующем.

1. Выявлены возможности и ограничения техники мультифрактального анализа при исследовании сигналов, содержащих несколько различных типов сингулярностей. Установлено, что метод максимумов модулей вейвлет-преобразования позволяет с высокой точностью идентифицировать особенности, относящиеся к разным масштабам наблюдения (случай, когда на одних масштабах проявляется один тип сингулярного поведения, на других другой). Если различия в масштабах незначительны, то вычисляемые Хелдеровские экспоненты представляют собой усредненные характеристики локального сингулярного поведения.

2. Установлено, что синхронизация хаоса в динамике взаимодействующих автоколебательных систем может представлять собой эффект потери мультифрактальности в структуре последовательностей времен возврата в секущую Пуанкаре. Фазовая синхронизация сопровождается значительными изменениями структуры указанных последовательностей, наиболее типичными из которых являются: а) уменьшение степени мультифрактальности (ширины спектра сингулярностей); б) уменьшение "гладкости" последовательностей времен возврата, то есть изменение корреляционных свойств; в) сближение спектров сингулярностей, характеризующих мультифрак-тальную динамику взаимодействующих подсистем.

3. Рассмотрено применение техники мультифрактального формализма к процессам биологического происхождения (сигналам артериального кровяного давления крыс). Установлено, что стрессорное воздействие может привести к потери мультифрактальности в динамике сердечнососудистой системы. Обнаружено, что самцы крыс демонстрируют более сильные изменения спектра сингулярностей при стрессе по сравнению с самками. Эти изменения состоят в уменьшении ширины функции D(h) и уменьшении Хелдеровских экспонент. Полученные результаты свидетельствуют о том, что мультифрактальный формализм может рассматриваться в качестве индикатора отклика организма на стрессорное воздействие, применимого в условиях сильно нестационарной и неоднородной динамики.

Заключение

Список источников диссертации и автореферата по физике, кандидата физико-математических наук, Зиганшин, Амир Рустамович, Саратов

1. W. Guttinger and D. Dangelmayr, (eds.), The Physics of Structure Formation, Berlin, Springer-Verlag, 1987.

2. Пайтген X.-O., Рихтер П.Х., Красота фракталов, M., Мир, 1993.

3. Карпов В.Г., Субашиев А.В., Что такое фракталы? ЛПИ, 1989.

4. Е. Федер, Фракталы М., Мир, 1991.

5. F. Family, Т. Vicsek, Dynamics of Fractal Surfaces, Singapore, World Scientific, 1991.

6. B.J. Strait, T.G. Dewey Multifractals and decoded walks: applications to protein sequence correlations // Phys. Rev. E. -1995. V. 52. - P. 6588.

7. C.L. Berthelsen, J.A. Glazier, S. Raghavachari Effective multifractal spectrum of a random walk // Phys. Rev. E. 1994. - V. 49. - P. 1860.

8. J.A. Glazier, S. Raghavachari, C.L. Berthelsen, M.H. Skolnick Reconstructing phylogeny from the multifractal spectrum of mitochondrial DNA // Phys. Rev. E. 1995. - V. 51. - P. 2665.

9. S.I. Vainshtein, K.R. Sreenivasan, R.T. Pierrehumbert, V. Kashyap, A. Juneja Scaling exponents for turbulence and other random processes andtheir relationships with multifractal structure // Phys. Rev. E. 1994. - V. 50. - P. 1823.

10. E. Eisenberg, A. Bunde, S. Havlin, H.E. Roman Range of multifractality for random walks on random fractals // Phys. Rev. E. -1993. V. 47. - P.2333.

11. J. Drager, A. Bunde Multifractal features of random walks and localized vibrational excitations on random fractals: dependence on the averaging procedures // Phys. Rev. E. 1996. - V. 54. - P. 4596.

12. H.G.E. Hentschel Stochastic multifractality and universal scaling distributions // Phys. Rev. E. 1994. - V. 50. - P. 243.

13. K.O. Wiklund, J.N. Elgin Multifractality of the Lorenz system // Phys. Rev. E.- 1996.-V. 54.-P. 1111.

14. C. Meneveau and K.R. Sreenivasan The multifractal nature of turbulent energy dissipation // J. Fluid Mech. 1991. - V. 224. -P. 429-484.

15. A. P. Kuznetsov, S. P. Kuznetsov, I. R. Sataev Multi-Parameter Transition to Chaos and Fractal Nature of Critical Attractors // Fractals in the Natural and Applied Sciences. -1993. P.229-239

16. R. Benzi, G. Paladin, G. Parisi and A. Vulpiani On the multifractal nature of fully developed turbulence and chaotic systems //J. Phys. 1984. - V. A17. - P. 3521-3531.

17. R. Badii Conservation laws and thermodynamic formalism for dissipative systems // Thesis. 1987. University of Zurich.

18. P. Collet, J. Lebowiz and A. Porzio The dimension spectrum of some dynamical systems //J. Stat. Phys. 1987. - V. 47. - P. 609-644.

19. B.B. Mandelbrot, Fractals and Multifractaqls: Noise, Turbulence and Galaxies, Selecta V. 1, New York, Springer-Verlag, 1989.

20. M.J. Feigenbaum Some characterizations of strange sets // J. Stat. Phys. -1987. V. 46, - P. 919-924.

21. B.B. Mandelbrot Fractals in physics: Squig clusters, diffusions, fractal measures, and the unicity of fractal dimensionality //J. Stat. Phys. 1984. - V. 34. - P. 895-930.

22. Фракталы в физике, M., Мир, 1991.

23. Смирнов Б.М., Физика фрактальных кластеров, М., Наука, 1991.

24. Зельдович Я.Б., Соколов Д.Д. Фракталы, подобие, промежуточная ас-симптотика // Успехи физических наук. 1985. - Т.146. - вып. 2. - С. 493.

25. Олемской А.И., Флат А.Я. Использование концепции фрактала в физике конденсированной среды // Успехи физических наук, 1993. Т.163. - N . 12. - С. 1.

26. Зосимов В.В., Лямшев JI.M. Фракталы в волновых процессах // Успехи физических наук. 1995. - Т.165. - N. 4. - С. 361.

27. Соколов И.М. Размерности и другие геометрические критические показатели в теории протекания // Успехи физических наук. 1986. - Т.150. - вып. 2. - С. 221.

28. Т.С. Halsey, М.Н. Jensen, L.P. Kadanoff, I. Procaccia and B.I. Shraiman Fractal measures and their singularities: The characterization of strange sets // Phys. Rev. 1986. - V. A33. - P. 1141-1151.

29. A. Bunde, S. Havlin (eds.), Fractals and Disordered Systems, Berlin, Springer-Verlag, 1991.

30. B.B. Mandelbrot Intermittent turbulence in self-similar cascades: Divergence of high moments and dimension of the carrier // J. Fluid Mech. 1974. - V. 62. - P. 331-358.

31. A. Chabra, C. Meneveau, R. V. Jensen and K.R. Sreenivasan Direct determination of the f(a) singularity spectrum and its application to fully developed turbulence // Phys. Rev. -1989. V. A40. - P. 5284-5294.

32. С.П. Кузнецов , Динамический хаос, M., Физматлит, 2001.

33. Kuznetsov S.P. Generalized dimensions of the golden-mean quasiperiodic orbit from renormalization-group functional equation // Регулярная и хаотическая динамика. 2005. - Т. 10. - N. 1.

34. M.F. Barnsley Fractals Everywhere, New-York, Academic Press INC., 1988.

35. K.J. Fallconer The geometry of fractal Sets, Cambridge, Cambridge Univ. Press, 1985.

36. A.L. Barabasi and T. Vicsek Multyfractality of self-affine fractals // Phys. Rev. 1991. -V. A44. -P. 2730-2733.

37. J.F. Muzy, E. Bacry, A. Arneodo The multifractal formalism revisited with wavelets // Int. J. Bifurcation Chaos. 1994. - V. 4. - P. 245.

38. R. Baddi and G. Broggi Measurement of the dimension spectrum /(a): Fixed-mass approach // Phys. Lett. 1988. - V. A131. - P. 339-343.

39. J.F. Muzy, B. Pouligny, E. Freysz, F. Argoul and A. Arneodo Optical-difraction measurement of fractal dimensions and f(a) spectrum // Phys. Rev. 1992. -V. A45. -P. 8961-8964.

40. A. Arneodo, G. Grasseau, M. Holschneider Wavelet transform of multifractals // Phys. Rev. Lett. 1988. - V. 61. - P. 2281-2285.

41. A. Chabra and R.V. Jensen Direct determination of the f(a) singularity spectrum // Phys. Rev. Lett. 1989. - V. 62. P. 1327-1330.

42. E. Bacry, J.F. Muzy and A. Arneodo Singularity spectrum of fractal signals from wavelet analysis: Exact results //J. Stat. Phys. -1993. V. 70. - P. 635-674.

43. E. Bacry, A. Arneodo, U. Frish, Y. Gagne and E.J. Hopfinger Wavelet analysis of fully developed turbulence data and measurement of scailing exponents //

44. Turbulence and Coherent Structures, eds. M. Lesieur and 0. Metais (Kluwer Academic Publishers). 1991. - P. 203-215.

45. J.F. Muzy, E. Bacry, A. Arneodo Wavelets and multifractal formalism for singular signals: application to turbulence data // Phys. Rev. Lett. 1991.- V. 67. P. 3515-3519.

46. M.H. Jensen, L.P. Kadanoff and I. Procaccia Scaling structure and thermodynamics of strange sets // Phys. Rev. 1987. - V. A36. - P. 1409-1420.

47. M.J. Feigenbaum Scaling spectrum and return times of dynamical systems // J. Stat. Phys. 1987. - V. 46. - P. 925-932.

48. T. Bohr and T. Tel The thermodynamics of fractals // Direction in chaos ed. B.L. Hao (World Scientific, Singapore). 1984. - V. 2. - P. 194-237.

49. S.Mallat and S. Zhong Characterization of signals from multiscale edges // IEEE Trans, on pattern analysis and machine intelligence. 1992. -V. 14. -P. 710-732.

50. A. Bunde, S. Havlin (Eds.), Fractals in Science, Berlin, Springer, 1994.

51. T. Vicsek, Fractal Growth Phenomena, 2nd edn, Singapore, World Scientific, 1993.

52. T. Tel Fractals, Multifractals, and thermodynamics // Z. Naturforsh. 1988.- V. 43a. P. 1154.

53. T.C. Halsey, M.H. Jensen, L.P. KadanofF, I. Procaccia, B.I. Shraiman Fractal measures and their singularities: the characterization of strange sets // Phys. Rev. A. 1986. - V. 33. - P.1141.

54. U. Frish, G. Parisi Fully developed turbulence and intermittency // Turbulence and Predictability in Geophysical Fluid Dynamics and Climate Dynamics, eds. M. Ghil, R. Benzi, G. Parisi (North-Holland, Amsterdam). -1985. -P. 71.

55. M.H. Jensen, G. Paladin, A. Vulpiani Multiscaling in multifractals // Phys; Rev. Lett. 1991. - V. 67. - P. 208-212.

56. P.Ch. Ivanov, L.A.N. Amaral, A.L. Goldberger, S. Havlin, M.G. Rosenblum, Z. R. Struzik, H.E. Stanley Multifractality in human heartbeat dynamics // Nature. 1999. - V. 399. - P. 461.

57. J.F. Muzy, E. Bacry, A. Arneodo, Multifractal formalism for fractal signals: the structure-function approach versus the wavelet-transform modulus-maxima method // Phys. Rev. E. 1993. - V.47. - P. 875.

58. H.E. Stanley, L.A.N. Amaral, A.L. Goldberger, S. Havlin, P.Ch. Ivanov, C-K. Peng Statistical physics and physiology: monofractal and multifractal approaches // Physica A. 1999. -V. 270. - P. 309.

59. L. Amaral et al. Behavioral-Independent Features of Complex Heartbeat Dynamics // Phys. Rev. Lett. 2001. - V. 86. - P. 6026-6030.

60. J. Arrault, A. Arneodo, A. Davis, A. Marshak Wavelet based multifractal analysis of rough surfaces: application to cloud models and satellite data // Phys. Rev. Lett. 1997. - V. 79. - P. 75-79.

61. A. Arneodo, N. Decoster, S.G. Roux Intermittency, log-normal statistics, and multifractal cascade process in high-resolution satellite images of cloud structure // Phys. Rev. Lett. 1999. - V. 83. - P.1255-1259.

62. A. Arneodo, Y.D. Aubenton-Carafa, B. Audit, E. Bacry, J.F. Muzy, C. Ther-mes What can we learn with wavelets about DNA sequences? // Physica A.- 1998. V. 249. - P. 439.

63. A. Silchenko, Hu Chin-Kun Multifractal characterization of stochastic resonance // Physical Review E. 2001. - V. 63.

64. B.B. Mandelbrot, Fractals:Chance and Dimension, San Francisco, W.H. FREEMAN and COMPANY, 1977.

65. B.B. Mzndelbrot, The fractal geometry of nature, San Francisco, W.H. FREEMAN and COMPANY, 1982.

66. J.F. Muzy, E. Bacry, A. Arneodo Wavelets and multifractal formalism for singular signals: application to turbulence data // Phys. Rev. Lett. 1991.- V. 67. P. 3515-3519.

67. B.B. Mandelbrot, J.W. Van Ness Fractional Browian motions,fractional noises and applications // S.I.A.M. Rev. 1968. - V. 10. - P. 422-437.

68. J. Morlet Sampling theory and wave propagations // NATO ASI series F1 (Springer, Berlin). 1983. - P. 233-266.

69. I. Daubechies Ten lectures on Wavelets, Philadelphie, S.I.A.M., 1992.

70. A. Grossman and J. Morlet Decomposition of hardy functions into square integrable wavelets of constant shape // S.I.A.M. J. Math. Anal. 1984. -V. 15. - P. 723-736.

71. S. Mallat and W.L. Hwang Singularity detection and processing with wavelets // IEEE Trans, on information theory. 1992. -V. 38. -P. 617-643.

72. Y. Meyer (ed.) Wavelets and Applications, Berlin, Springer-Verlag, 1992.

73. H.M. Астафьева Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. 1996. - Т. 166. - N. И.

74. С.-К. Peng, S. Havlin, Н.Е. Stanley, A.L. Goldberger Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series // CHAOS. 1995. - V. 5. - P. 82.

75. V. Afraimovich, G.M. Zaslavsky Fractal and multifractal properties of exit times and Poincare recurrences // Phys. Rev. E. 1997. -V. 55. - P. 5418.

76. В.И. Тихонов, M.A. Миронов, Марковские процессы, M., Советское радио, 1977. С. 488.

77. Т. Sauer Reconstruction of dynamical system from interspike intervals // Phys. Rev. Lett. 1994. - V. 72. - P. 3911.

78. R. Castro, T. Sauer Correlation dimension of attractors through interspike intervals // Phys. Rev. E. 1997. V. 55. -P. 287.

79. D. Veneziano, G.E. Moglen, R.L. Bras Multifractal analysis: pitfalls of standard procedures and alternatives // Phys. Rev. E. 1995. - V.52. - P. 1387.

80. Y. Kuramoto, Chemical Oscillations, Waves and Turbulence, Berlin, Springer-Verlag, 1984.

81. A. Pikovsky, M. Rosenblum, J. Kurths, Synchronization: A Universal Concept in Nonlinear Sciences // Cambridge Nonlinear Science Series. -2001. V. 12.

82. E. Mosekilde, Yu. Maistrenko, D. Postnov, Chaotic Synchronization: Applications to Living Systems, Singapore, World Scientific, 2002.

83. H. Fujisaka, Y. Yamada Stability theory of synchronized motions in coupled oscillatory systems // Progr. Theor. Phys. 1983. - V. 69. - P. 32.

84. B.C. Афраймович, H.H. Веричев, М.И. Рабинович Стохастическая синхронизация колебаний в диссипативных системах // Изв. вузов, Радиофизика. 1989. - Т. 29. - N. 9. - С. 1050.

85. L.M. Pecora, T.L. Carroll Synchronization in chaotic systems // Phys. Rev. Lett. -1990. V. 64. - P. 821-825.

86. N.F. Rulkov, M.M. Sushchik, L.S. Tsimring, H.D.I. Abarbanel Generalized synchronization of chaos in unidirectionally coupled chaotic systems // Phys. Rev. E. 1995. - V. 51. - P. 980.

87. L. Kocarev, U. Parlitz Generalized synchronization, predictability, and equivalence of unidirectionally coupled dynamical systems // Phys. Rev. Lett. -1996. V. 76. - P. 1816-1820.

88. M.G. Rosenblum, A.S. Pikovsky, J. Kurths Phase synchronization of chaotic oscillators // Phys. Rev. Lett. 1996. - V. 76. - P. 1804-1810.

89. M.G. Rosenblum, A.S. Pikovsky, J. Kurths From phase to lag synchronization in coupled chaotic oscillators // Phys. Rev. Lett. 1997. - V. 78. - P. 41934197.

90. V.S. Anishchenko, Т.Е. Vadivasova, D.E. Postnov M.A. Safonova, Synchronization of chaos // Int. J. Bifurcation Chaos. 1992. - V. 2. - P. 633.

91. A. Neiman, A. Silchenko, V. Anishchenko, and L. Schimansky-Geier Stochastic resonance: Noise enhanced phase coherence // Phys. Rev. E. 1998. - V. 58. - P. 7118.

92. N. Hadyn, J. Luevano, G. Mantica, S. Vaienti Multifractal properties of return time statistics // Phys. Rev. Lett. 2002. - V. 88. - P. 2245-2249.

93. R. Benzi, L. Biferale, G. Paladin, A. Vulpiani, M. Vergassola Multifractality in the statistics of the velocity gradients in turbulence // Phys. Rev. Lett. -1991. V. 67. - P. 2299-2303.

94. D.E. Postnov, Т.Е. Vadivasova, O.V. Sosnovtseva, A.G. Balanov, V.S. Anishchenko, E. Mosekilde Role of multistability in the transition to chaotic phase synchronization // Chaos. 1999. - V. 9. - P. 227.

95. A.N. Pavlov, O.V. Sosnovtseva, E. Mosekilde Scaling features of multimode motions in coupled chaotic oscillators // Chaos, Solitons and Fractals. 2003. - V. 16. - P. 801-810.

96. V.S. Anishchenko, A.N. Silchenko, I. A. Khovanov Synchronization of switching processes in coupled Lorenz systems // Phys. Rev. E. 1998. - V. 57. -P. 316.

97. E. Mosekilde, Topics in Nonlinear Dynamics. Applications to Physics, Biology and Economic Systems, World Scientific, 1996.

98. M. Barfred, E. Mosekilde, N.-H. HolsteinRathlou Bifurcation analysis of nephron pressure and flow regulation // Chaos. 1996. - V. 6. - P. 280.

99. D.E. Postnov, O.V. Sosnovtseva, E. Mosekilde, N.-H. Holstein-Rathlou Cooperative phase dynamics in coupled nephrons // Int. J. Mod. Phys. B. -2001. V. 15. - P. 3079.

100. O.V. Sosnovtseva, A.N. Pavlov, E. Mosekilde, N.-H. Holstein-Rathlou Bi-mode oscillations in nephron autoregulation // Phys. Rev. E. 2002. -V. 66. -P. 061909.

101. R. Hegger, H. Kantz Embedding of sequence of time intervals // Europhysics Letters. 1997. - V. 38. - P. 267.

102. N.B. Janson, A.N. Pavlov, A.B. Neiman, V.S. Anishchenko Reconstruction of dynamical and geometrical properties of chaotic attractors from threshold-crossing interspike intervals // Phys. Rev. E. 1998. - V. 58, - P. R4.

103. A.N. Pavlov, O.V. Sosnovtseva, E. Mosekilde, V.S. Anishchenko Extracting dynamics from threshold-crossing interspike intervals: possibilities and limitations // Phys. Rev. E. 2000. - V. 61. - P. 5033.

104. A.N. Pavlov, O.V. Sosnovtseva, E. Mosekilde, V.S. Anishchenko Chaotic dynamics from interspike intervals // Phys. Rev. E. 2001. -V. 63. -P. 036205.

105. B.C. Анищенко, Н.Б. Игошева, A.H. Павлов, И.А. Хованов, T.A. Якушева Сравнительный анализ методов классификации состояния сердечнососудистой системы при стрессе // Биомедицинская радиоэлектроника. 2000. - N. 2. С. 24-37.

106. C.Nicolis Stochastic aspects of climatic transitions response to a periodic forcing // Tellus. -1982. -V. 34 -P. 1.

107. Pavlov A.N., Ebeling W., Molgedey L., Ziganshin A.R., Anishchenko V.S. Scaling features of texts, images and time series // Physica A. 2001. - V. 300. - P. 310-324.

108. Павлов A.H., Зиганшин A.P., Анищенко B.C. Мультифрактальный анализ временных рядов // Изв. вузов, Сер. Прикладная нелинейная динамика. 2001. - Т. 9. -N. 3. -С. 39-53.

109. Pavlov A.N., Sosnovtseva O.V., Ziganshin A.R., Holstein-Rathlou N.-H., Mosekilde E. Multiscality in the dynamics of coupled chaotic systems // Physica A. 2002. - V. 316. - P. 233-249.

110. Павлов А.Н.,Сосновцева О.В., Зиганшин А.Р. Мультифрактальный анализ хаотической динамики взаимодействующих систем // Изв. вузов, Сер. Прикладная нелинейная динамика. 2003. - Т. 11.- N. 2. - С. 39-54.

111. Pavlov A.N., Ziganshin A.R., Klimova О.A. Multifractal characterization of blood pressure dynamics: stress-induced phenomena // Chaos, Solitons and Fractals. 2004. - V.24. - P.57-63.

112. A.R. Ziganshin, A.N. Pavlov, Scaling properties of multimode dynamics in coupled chaotic oscillators // Proceedings of international conference "PhysCon2005". St.-Peterburg, 2005 (accepted for publication).

113. A.P. Зиганшин,"Мультифрактальный анализ сигналов сложной структуры"// Материалы научной конференции "Современные проблемы электроники и радиофизики СВЧ". Саратов, 2001. - С. 68-70.

114. A.R. Ziganshin, A.N. Pavlov, "Scaling features of biological data"// Book of Abstracts of International School "Chaos". Saratov, 2001. - P. 45-46.

115. A.P. Зиганшин Анализ мультифрактальных свойств временных рядов // Тез. 5 Всерос. науч. конф. студентов-радиофизиков. СПб., 2001. -С. 36-38.

116. A.P. Зиганшин Мультифрактальный анализ реакции на стресс белых крыс // Тр. конф. "Нелинейные дни в Саратове для молодых-2003". -Саратов, 2003. С. 213-215.

117. Н. Kantz, T.Shreiber, Nonlinear Time Series Analysis, Cambridge, Cambridge University Press, 1997.- 139 -Благодарности