[論文レビュー] Detection of Markov Random Fields on Two-Dimensional Intersymbol Interference Channels

Ying Zhu, Taikun Cheng+2 more|ArXiv.org|Sep 27, 2006

Cellular Automata and Applications参考文献 12被引用数 3

ひとこと要約

本稿では、2次元光学的・磁気的記録システムにおける画像相関を活用する、ソフトインプット/ソフトアウトプット 2次元シンボル干渉（ISI）検出器とマークフ・ランダムフィールド（MRF）検出器を組み合わせた新しい反復的検出アルゴリズムを提案する。1次バイナリMRFモデルと反復的外部情報交換を活用することで、ISIのみの検出に比べて0.5–2.0 dBのSNRゲインを達成し、MRFパラメータの不一致に対してもロバストで、自然バイナリ画像において優れた性能を示す。

ABSTRACT

We present a novel iterative algorithm for detection of binary Markov random fields (MRFs) corrupted by two-dimensional (2D) intersymbol interference (ISI) and additive white Gaussian noise (AWGN). We assume a first-order binary MRF as a simple model for correlated images. We assume a 2D digital storage channel, where the MRF is interleaved before being written and then read by a 2D transducer; such channels occur in recently proposed optical disk storage systems. The detection algorithm is a concatenation of two soft-input/soft-output (SISO) detectors: an iterative row-column soft-decision feedback (IRCSDF) ISI detector, and a MRF detector. The MRF detector is a SISO version of the stochastic relaxation algorithm by Geman and Geman in IEEE Trans. Pattern Anal. and Mach. Intell., Nov. 1984. On the 2 x 2 averaging-mask ISI channel, at a bit error rate (BER) of 10^{-5}, the concatenated algorithm achieves SNR savings of between 0.5 and 2.0 dB over the IRCSDF detector alone; the savings increase as the MRFs become more correlated, or as the SNR decreases. The algorithm is also fairly robust to mismatches between the assumed and actual MRF parameters.

研究の動機と目的

• 従来の2次元ISI検出器がi.i.d.画像入力を仮定しているが、これは現実の画像相関を反映していないため、その性能限界を是正すること。
• 自然で圧縮されていない画像に内在する空間的相関を、1次バイナリマークフ・ランダムフィールド（MRF）としてモデル化することで活用すること。
• 既存の2次元ISI検出器と接続可能なソフトインプット/ソフトアウトプット（SISO）MRF検出器を開発し、検出性能を向上させること。
• 仮定されたMRFパラメータと実際のMRFパラメータの不一致に対する、連結検出器のロバスト性を評価すること。
• 実際の自然バイナリ画像（例：「chair」および「man」）におけるMRFモデルの実用的有効性を示すこと。

提案手法

• 本システムは、'ターボ原理'に基づく連結反復的検出器を採用し、反復的行・列ソフト決定フィードバック（IRCSDF）ISI検出器とSISO MRF検出器を組み合わせる。
• ISI検出器は、行と列に対してBCJRアルゴリズムを用い、重み付きLLR推定値を用いてシンボル干渉を軽減するソフト決定フィードバックを実装する。
• MRF検出器は、GemanとGemanによる確率的緩和アルゴリズムのSISO版を用い、ノイズや汚損された観測値から元のMRFを推定する。
• ISI検出器とMRF検出器の間で反復的に外部の対数尤度比（LLR）を交換することで、推定値を精緻化し、検出精度を向上させる。
• ISI検出器におけるi.i.d.ピクセル仮定を満たすために、入力画像は{0,1}から{-1,1}へのインタリーブおよびレベルシフトが施される。
• MRFは2パラメータエネルギー関数を有するイジングモデルでモデル化され、検出器はMRFパラメータ（βを含む）の知識を仮定する。

実験結果

リサーチクエスチョン

• RQ1 1次MRFモデルによる画像相関の活用が、2次元ISI検出において顕著なSNRゲインをもたらすか？
• RQ2 連結MRF-ISI検出器の性能は、画像相関度（MRFパラメータβ）にどのように依存するか？
• RQ3 仮定されたMRFパラメータと実際のMRFパラメータの不一致に対して、検出器はどの程度ロバストか？
• RQ4 単純な1次MRFモデルは、2次元ISI低減のための実際の自然バイナリ画像を効果的にモデル化できるか？
• RQ5 自然画像におけるISIのみの検出と比較して、本手法の性能向上はどの程度か？

主な発見

• 2×2平均マスクISIチャネルにおいて、連結検出器はBER 10⁻⁵の条件下でIRCSDF検出器単体に比べて0.5–2.0 dBのSNRゲインを達成し、画像相関度が高くなるほどゲインが増大する。
• アルゴリズムはMRFパラメータの不一致に対してもロバストである：高SNR領域では、誤ったβ値（例：β = -0.5, -0.75, -3.0）を仮定しても、正しいβ値と比較してわずか0.2–0.3 dBのペナルティにとどまり、依然としてISIのみの検出を上回る性能を示す。
• 低SNR領域では、大きな不一致（例：真のβ = -1.5のときに仮定β = -4.5）であっても、正しいモデルとほぼ同等の性能を示し、強いロバスト性を示す。
• 高い相関を持つMRF（例：β = -3.0）に対しては、仮定されたβ値の範囲（-1.5から-10.0）が広くても、ISIのみの検出に比べて1 dB以上のゲインが得られる。
• 自然バイナリ画像「chair」と「man」において、連結検出器は広いβ値範囲でISIのみの検出に比べて1–2 dBのSNR節約を達成し、実用的有効性を示した。
• 結果から、1次MRFモデルは、正確なモデル推定がなくても、実世界の画像における2次元-ISI低減に非常に効果的かつロバストな近似であると考えられる。