[論文レビュー] CoSaMP: Iterative signal recovery from incomplete and inaccurate samples

Deanna Needell, Joel A. Tropp|arXiv (Cornell University)|Mar 17, 2008

Sparse and Compressive Sensing Techniques参考文献 24被引用数 46

ひとこと要約

CoSaMPは、マッチング Pursuitと反復的サポート同定、直交射影を活用して、不完全でノイズのある測定値から可縮信号を再構成する新しい反復的アルゴリズムである。最適な回復保証を達成し、O(N log²N)の実行時間とロバストな誤差境界を有する。最良の最適化ベースの手法と同等の性能を発揮しながら、実用的用途において非常に効率的である。

ABSTRACT

Compressive sampling offers a new paradigm for acquiring signals that are compressible with respect to an orthonormal basis. The major algorithmic challenge in compressive sampling is to approximate a compressible signal from noisy samples. This paper describes a new iterative recovery algorithm called CoSaMP that delivers the same guarantees as the best optimization-based approaches. Moreover, this algorithm offers rigorous bounds on computational cost and storage. It is likely to be extremely efficient for practical problems because it requires only matrix-vector multiplies with the sampling matrix. For many cases of interest, the running time is just O(N*log^2(N)), where N is the length of the signal.

研究の動機と目的

• 不完全でノイズのある測定値を扱いながらも、強固な理論的保証を維持する実用的な信号再構成アルゴリズムの開発。
• 制限付き等長性性質（RIP）下で、可縮信号に対して最適な誤差境界を達成すること。
• 計算効率と低メモリ要件を確保し、実世界の応用に適したものとすること。
• ノイズに強く、信号構造を保持しながら最小限のサンプリングで動作する手法の提供。

提案手法

• CoSaMPは、マッチング Pursuitと直交射影を組み合わせ、スパース信号のサポートを反復的に同定・精緻化する。
• 各反復で、残差と感応行列との間の相関が最も高い成分を選択して候補サポート集合を形成する。
• 候補サポート上で最小二乗問題を解き、精緻化された信号推定値を計算する。
• スパース性を維持し安定性を向上させるために、最も寄与度の低い成分を除去するプルーニングステップを実施する。
• 安定な再構成と収束境界の導出を保証するため、制限付き等長性性質（RIP）を用いる。
• 反復的精緻化と誤差推定を活用し、有限回の反復内で収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 実用的な信号再構成アルゴリズムは、最小限のサンプリングと低コストの計算で最適な誤差境界を達成できるか？
• RQ2 ノイズと不完全な測定値下でも、マッチング Pursuitをどのように強化すればロバスト性と収束性を確保できるか？
• RQ3 ベーシス Pursuitと同等の性能を発揮する再構成アルゴリズムの理論的反復回数と実行時間複雑度は何か？
• RQ4 信号が正確にスパースでない場合、すなわち可縮信号の場合、アルゴリズムはどのように動作するか？
• RQ5 行列-ベクトル乗算のみを必要としながらも、ノイズのある測定値下で安定性と正確性を維持できるか？

主な発見

• CoSaMPは最適な再構成誤差境界を達成し、近似誤差が測定ノイズレベルの20倍以内に制限される。
• 可縮信号に対しては、O(N log²N)時間で収束し、大規模問題において非常に効率的である。
• sスパース信号に対しては、反復回数がO(s log N)で上限に抑えられ、sはスパarsity、Nは信号長を表す。
• 可縮信号の場合、最良のs項近似の定数倍の誤差で再構成誤差が保証される、ノイズ下でも同様。
• ノイズに対してロバストであり、誤差境界がノイズレベルと信号の回復不能エネルギーに線形に比例する。
• 理論的分析により、CoSaMPはベーシス Pursuitの最良の既知の性能を再現するとともに、実用的実行効率が著しく優れていることが確認された。