[論文レビュー] Discrete Signal Processing on Graphs: Frequency Analysis

Aliaksei Sandryhaila, José M. F. Moura|arXiv (Cornell University)|Jul 1, 2013

Advanced Graph Neural Networks参考文献 30被引用数 1

ひとこと要約

本稿では、グラフ信号の全変動に基づく順序付けを用いて低周波数および高周波数成分を定義することにより、一般のグラフ上における信号の周波数解析フレームワークを提案する。隣接行列の固有ベクトルを用いたグラフフーリエ変換を導入し、低域、高域、バンドパスのグラフフィルタの設計を可能にする。主な貢献は、従来定義されていなかった一般のグラフにおける一貫性のある周波数順序付けの確立であり、これにより古典的DSPに類似した意味のある信号処理が可能になる。

ABSTRACT

Signals and datasets that arise in physical and engineering applications, as well as social, genetics, biomolecular, and many other domains, are becoming increasingly larger and more complex. In contrast to traditional time and image signals, data in these domains are supported by arbitrary graphs. Signal processing on graphs extends concepts and techniques from traditional signal processing to data indexed by generic graphs. This paper studies the concepts of low and high frequencies on graphs, and low-, high-, and band-pass graph filters. In traditional signal processing, there concepts are easily defined because of a natural frequency ordering that has a physical interpretation. For signals residing on graphs, in general, there is no obvious frequency ordering. We propose a definition of total variation for graph signals that naturally leads to a frequency ordering on graphs and defines low-, high-, and band-pass graph signals and filters. We study the design of graph filters with specified frequency response, and illustrate our approach with applications to sensor malfunction detection and data classification.

研究の動機と目的

• グラフ信号における自然な周波数順序付けの欠如が、従来の信号処理概念の実装を妨げているという問題に取り組む。
• 任意のグラフに一般化可能な全変動に基づく順序付けを用いて、低周波数および高周波数グラフ信号を定義する。
• 隣接行列をシフト演算子として用いることで、所望の周波数応答を持つグラフフィルタの設計フレームワークを構築する。
• センサ障害検出やデータ分類といった実世界の応用におけるフレームワークの有効性を示す。

提案手法

• 任意のグラフに自然な周波数順序付けを誘導するグラフ信号の全変動測度を提案する。
• 隣接行列の固有ベクトルを用いてグラフフーリエ変換を定義し、周波数をその固有値に対応付ける。
• 隣接行列の固有値空間における周波数応答に基づいて、低域、高域、バンドパスのグラフフィルタを導入する。
• 非対角化可能な隣接行列に対処するためジョルダン分解を用い、数学的堅牢性を確保する。
• 信号エネルギーを周波数領域で測定するための、隣接行列に基づく2次形式を導出する。
• 正則グラフ上では、提案された周波数順序付けが古典的なラプラシアンに基づく順序付けと等価であることを確立する。

実験結果

リサーチクエスチョン

• RQ1 自然な周波数順序付けが存在しない任意のグラフ上での低周波数および高周波数成分を、どのように意味的に定義できるか？
• RQ2 グラフ信号における全変動に基づく測度が、一貫性があり解釈可能な周波数順序付けをもたらすか？
• RQ3 標準的な周波数軸が存在しない状況下で、所望の周波数応答を持つグラフフィルタ（低域、高域、バンドパス）をどのように設計できるか？
• RQ4 提案されたフレームワークは、特に正則グラフ上での既存のラプラシアンに基づくグラフ信号処理とどの程度整合するか？
• RQ5 提案された周波数解析フレームワークは、センサネットワークの異常検出やデータ分類といった実世界の問題に効果的に応用可能か？

主な発見

• 提案された全変動測度は、任意のグラフ上で自然で解釈可能な周波数順序付けを誘導し、低周波数および高周波数信号の定義を可能にする。
• 隣接行列の固有ベクトルに基づくグラフフーリエ変換は、グラフ信号の一貫性のあるスペクトル表現を提供する。
• 提案されたフレームワークを用いることで、所望の周波数応答を持つ低域、高域、バンドパスのグラフフィルタを設計可能である。
• 正則グラフ上では、提案された周波数順序付けは古典的なラプラシアンに基づく順序付けと一致し、一貫性が検証される。
• フレームワークは、実世界のデータセットにおいてセンサ障害の検出と部分的にラベル付けされたデータの分類に成功し、実用的有用性が示された。
• 隣接行列に基づく2次形式は、正則グラフ上でのラプラシアン2次形式と同じ周波数順序付けを保持しており、理論的同等性が確認された。