[論文レビュー] Compressed Sensing Based on Random Symmetric Bernoulli Matrix

Yi-Zheng Fan, Tao Huang+1 more|arXiv (Cornell University)|Dec 16, 2012

Sparse and Compressive Sensing Techniques参考文献 17被引用数 5

ひとこと要約

本稿では、従来のガウス分布やベルヌーイ分布の行列と比較して、歪みの少ない再構成精度と高い耐性を示す、部分的ランダム対称ベルヌーイ行列を圧縮センシングの測定行列として提案する。この行列は、独立でない要素を有するが、高い確率で制限等長性性質（RIP）を満たすことが実証された。ℓ₁最小化を用いたスパース信号の再構成において、優れた性能を発揮する。

ABSTRACT

The task of compressed sensing is to recover a sparse vector from a small number of linear and non-adaptive measurements, and the problem of finding a suitable measurement matrix is very important in this field. While most recent works focused on random matrices with entries drawn independently from certain probability distributions, in this paper we show that a partial random symmetric Bernoulli matrix whose entries are not independent, can be used to recover signal from observations successfully with high probability. The experimental results also show that the proposed matrix is a suitable measurement matrix.

研究の動機と目的

• 部分的ランダム対称ベルヌーイ行列（独立でない要素を有する）が、圧縮センシングにおける有効な測定行列として機能可能かどうかを調査すること。
• 制限等長性性質（RIP）が高確率で満たされることを理論的に保証することで、スパース信号再構成の理論的根拠を確立すること。
• ガウス分布、ベルヌーイ分布、トーペリッツ行列、巡回行列といった標準的な行列と比較し、再構成成功確率およびノイズ耐性という観点から、提案手法の性能を評価すること。
• 提案された対称ベルヌーイ行列とランダムグラフ理論、特にErdős–Rényiモデルとの関係を明らかにすること。
• 合成信号および実画像の再構成において、スパース度とノイズレベルを変化させたシミュレーションを通じて、手法の実証的妥当性を検証すること。

提案手法

• 各上三角成分が等確率で±1をとり、対角成分も±1をとるN×Nの対称ランダムベルヌーイ行列を構築し、対称行列を形成する。
• 全行列からサイズnのランダム部分集合Θによりインデックスが指定されたn行を抽出し、n×N部分行列Rを構成することで測定行列Φを形成する。
• 理論的RIPバインディングを確立するため、集中不等式を証明する：Pr[|‖Φx‖₂² − ‖x‖₂²| ≥ ε‖x‖₂²] ≤ 2e^(-nc₀(ε))（0 < ε < 1）。これにより、RIPが高確率で成立することが保証される。
• 補題3.2を用いて、k ≤ c₁n/log(N/k) を満たす限り、RIPの順序kが確率1 − 2e^(-c₂n)以上で成立することを導出する。ここでc₁, c₂ > 0はδ_kにのみ依存する。
• 信号再構成にℓ₁最小化を適用する：min ‖x‖₁ かつ y = Φx を満たすものとし、理論的RIP保証を活用してkスパース信号の正確な再構成を保証する。
• 長さ256のkスパース合成信号および64×64の実画像を用いた実験を実施。スパース度、測定数、ノイズレベルを変化させ、成功確率および平均二乗誤差（MSE）を測定する。

実験結果

リサーチクエスチョン

• RQ1 独立でない要素を有する部分的ランダム対称ベルヌーイ行列は、高確率で制限等長性性質（RIP）を満たすのか？
• RQ2 提案された対称ベルヌーイ行列は、標準的な測定行列（ガウス分布、ベルヌーイ分布、トーペリッツ行列、巡回行列）と比較して、スパース信号再構成においてどの程度の性能を示すのか？
• RQ3 提案された対称ベルヌーイ行列とランダムグラフモデル、特にErdős–Rényiモデルとの関係は何か？
• RQ4 スパース度および測定数の変化に伴い、提案手法の再構成精度はどのように変化するのか？
• RQ5 実世界の信号再構成タスクにおいて、加法性ガウスノイズに対して、提案手法はどの程度の耐性を示すのか？

主な発見

• 部分的ランダム対称ベルヌーイ行列は、k ≤ c₁n/log(N/k) を満たす限り、順序kにおける制限等長性性質（RIP）を高確率で満たす。ここでc₁は等長性定数δ_kにのみ依存する。
• 理論的解析により、行列が確率1 − 2e^(-c₂n)以上でRIPを満たすことが確認され、安定的かつ耐性のあるスパース信号再構成が保証される。
• 長さ256のkスパース信号を用いた実験では、スパース度が変化しても、ガウス分布、ベルヌーイ分布、トーペリッツ行列、巡回行列と同等またはそれ以上の成功確率を達成した。
• 測定数n ≥ 95の場合、全テスト行列（含む提案手法）が1000回の試行においてほぼ完璧な再構成成功確率を達成した。
• 64×64の実画像再構成（k=739）において、提案手法は全テスト行列の中で最小のMSE（0.0664）を達成し、一部の状況ではトーペリッツ行列（MSE=0.0647）でさえも上回った。
• ガウスノイズの増加（σ ∈ {0, 0.2, 0.4, 0.6, 0.8, 1.0}）に伴い、信号対ノイズ比（SNR）は単調に低下したが、提案手法は比較的安定した性能を維持した。これにより、ノイズに対して中程度の耐性があることが示された。