Time-series analysis of magnetics data in tokamaks is typically done using block-based fast Fourier transform methods. This work presents the development and deployment of a new set of algorithms for magnetic probe array analysis. The method is based on an estimation technique known as stochastic subspace identification (SSI). Compared with the standard coherence approach or the direct singular value decomposition approach, the new technique exhibits several beneficial properties. For example, the SSI method does not require that frequencies are orthogonal with respect to the timeframe used in the analysis. Frequencies are obtained directly as parameters of localized time-series models. The parameters are extracted by solving small-scale eigenvalue problems. Applications include maximum-likelihood regularized eigenmode pattern estimation, detection of neoclassical tearing modes, including locked mode precursors, and automatic clustering of modes, and magnetics-pattern characterization of sawtooth pre- and postcursors, edge harmonic oscillations and fishbones.
トカマクにおける磁気データの時系列解析は、通常、ブロックベースの高速フーリエ変換法を用いて行われます。本研究では、磁気プローブアレイ解析のための新しいアルゴリズム群の開発と展開について述べます。この手法は、確率的部分空間同定（SSI）として知られる推定技術に基づいています。標準的なコヒーレンス法や直接特異値分解法と比較して、この新しい手法はいくつかの有利な特性を示します。例えば、SSI法は、解析に用いる時間枠に関して周波数が直交していることを必要としません。周波数は、局所化された時系列モデルのパラメータとして直接得られます。パラメータは、小規模な固有値問題を解くことによって抽出されます。応用には、最尤正則化固有モードパターン推定、新古典テアリングモードの検出（ロックモード前駆現象を含む）、モードの自動クラスタリング、ならびに鋸歯状振動の前駆・後続現象、周辺高調波振動、フィッシュボーン不安定性の磁気パターン特性評価が含まれます。