[論文レビュー] Blind One-Bit Compressive Sampling

Lixin Shen, Bruce W. Suter|arXiv (Cornell University)|Feb 6, 2013

Sparse and Compressive Sensing Techniques参考文献 5被引用数 6

ひとこと要約

本稿では、信号のスパarsityに関する事前知識を必要とせずに、1ビット測定値からスパース信号を再構成するブラインド1ビット圧縮サンプリング手法を提案する。凸可能性集合上でのℓ₀最小化モデルを定式化し、逐次近似と近位作用素を用いて解くことで、収束性と実用的状況でのロバスト性を維持しつつ、スパarsityが未知の低〜中程度のスパarsity領域において、BIHTを上回るSNR性能を達成する。

ABSTRACT

The problem of 1-bit compressive sampling is addressed in this paper. We introduce an optimization model for reconstruction of sparse signals from 1-bit measurements. The model targets a solution that has the least l0-norm among all signals satisfying consistency constraints stemming from the 1-bit measurements. An algorithm for solving the model is developed. Convergence analysis of the algorithm is presented. Our approach is to obtain a sequence of optimization problems by successively approximating the l0-norm and to solve resulting problems by exploiting the proximity operator. We examine the performance of our proposed algorithm and compare it with the binary iterative hard thresholding (BIHT) [10] a state-of-the-art algorithm for 1-bit compressive sampling reconstruction. Unlike the BIHT, our model and algorithm does not require a prior knowledge on the sparsity of the signal. This makes our proposed work a promising practical approach for signal acquisition.

研究の動機と目的

• 既存の1ビット圧縮サンプリング手法が信号のスパarsityに関する事前知識を必要としているという限界を解決すること。
• スパarsityが未知の実世界の応用に耐えうる、ロバストで実用的な再構成フレームワークを開発すること。
• 1ビット整合性制約を満たすℓ₀最小化に基づく非凸・非滑らか最適化モデルを定式化すること。
• 逐次的にℓ₀ノルムを近似し、効率的な解法を促進する近位作用素を活用する反復アルゴリズムを設計すること。
• 信号再構成における信頼性を保証するため、提案アルゴリズムの収束解析を確立すること。

提案手法

• 1ビット測定値との整合性、すなわちsign(Φx) = sign(Φx*) を満たす信号のℓ₀ノルムを最小化するブラインド1ビット圧縮サンプリングモデルを定式化する。
• 非凸なℓ₀ノルムを、Mangasarian関数やLog-Det関数などの滑らかで凸な代替関数で近似する。
• ℓ₀ノルムをこれらの近似関数に逐次置き換えることで、系列の部分問題を構築する。
• 非滑らか性を扱い、解のスパarsityを促進するために、各部分問題を近位作用素を用いて解く。
• 信号推定値の更新とℓ₀ノルム近似の精緻化を交互に繰り返す反復アルゴリズム（アルゴリズム3）を導入する。
• 近位作用素と逐次近似スキームの理論的性質を活用して、アルゴリズムの収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 信号のスパarsityに関する事前知識が不要な1ビット圧縮サンプリング手法を開発可能か？
• RQ2 1ビット測定値という本質的に非凸的・非滑らかな文脈において、ℓ₀最小化を効果的に適用する方法は何か？
• RQ3 近位作用素に基づくアルゴリズムは、BIHTなどの最先端手法と比較して、1ビット測定値からのスパース信号再構成においてどの程度の性能を示すか？
• RQ4 スパarsityが未知の状況において、再構成信号のスパarsityは真の信号スパarsityとどのように異なるか？
• RQ5 提案アルゴリズムは、信号次元や測定回数が変化する状況においても、安定的かつ高精度な再構成を維持できるか？

主な発見

• 真の信号スパarsityが2および6〜10の場合、提案アルゴリズムはSNRの平均値においてBIHTを上回った。特にスパarsityが未知の状況で顕著であった。
• m=1000、n=1000固定条件下で、Log-Det関数を用いたアルゴリズム3は、スパarsityが14または20の場合、BIHTよりも低い平均再構成誤差を達成した。
• 測定数mの増加に伴い、アルゴリズム3による再構成の平均スパarsityは減少した：m=200で11.74、m=800で10.26、m=1400で10.00、m=2000で10.06。これは一貫したスパarsity制御を示している。
• 特に高スパarsity値において、アルゴリズム3は真の信号よりも低いスパarsityの再構成を生成することができ、自然な正則化効果があると考えられる。
• m=1000、s=10の条件下で、Log-Det関数を用いたアルゴリズム3は、Mangasarian関数を用いた場合よりもSNRで優れていた。特に信号次元が大きい場合に顕著であった。
• s=10、m=1000固定条件下で、アルゴリズム3による再構成の平均SNRはほとんどの場合BIHTを下回ったが、これはBIHTが本手法が利用できない追加のスパarsity情報を利用していることに起因するとされる。