[論文レビュー] Distilled Sensing: Adaptive Sampling for Sparse Detection and Estimation

Jarvis Haupt, Rui Castro+1 more|arXiv (Cornell University)|Jan 29, 2010

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、ガウスノイズ下のスパース信号の検出および局在化を目的とした、逐次的に測定精度を割り当てる適応的サンプリングフレームワーク「ドライアイドセンシング（DS）」を提案する。動的に有望な成分にリソースを集中させることで、定常振幅の信号においても信頼性の高い検出が可能となり、振幅が任意にゆっくりと増加する信号に対しても局在化が達成可能となる。これは、次元に応じて対数的に振幅が増加する必要がある非適応的手法に比べ、顕著な性能向上を実現する。

ABSTRACT

Adaptive sampling results in dramatic improvements in the recovery of sparse signals in white Gaussian noise. A sequential adaptive sampling-and-refinement procedure called Distilled Sensing (DS) is proposed and analyzed. DS is a form of multi-stage experimental design and testing. Because of the adaptive nature of the data collection, DS can detect and localize far weaker signals than possible from non-adaptive measurements. In particular, reliable detection and localization (support estimation) using non-adaptive samples is possible only if the signal amplitudes grow logarithmically with the problem dimension. Here it is shown that using adaptive sampling, reliable detection is possible provided the amplitude exceeds a constant, and localization is possible when the amplitude exceeds any arbitrarily slowly growing function of the dimension.

研究の動機と目的

• 高次元スパース信号検出および推定における適応的測定と非適応的測定の性能差を調査すること。
• 逐次的で精度に適応するサンプリング戦略が、弱いスパース信号を検出する際の非適応的手法の根本的限界をどのように克服できるかを分析すること。
• 特に、全精度予算が限られている状況下で、適応的サンプリングにおける信頼性の高い検出および局在化の理論的閾値を確立すること。
• 適応的サンプリングが、問題の次元にかかわらずゼロから離れた上限を持つ信号振幅で、信頼性の高い検出を達成できることを示すこと。

提案手法

• 過去の観測に基づいて各成分に測定精度を動的に割り当てる、多段階の適応的サンプリング手順、すなわちドライアイドセンシング（DS）を提案する。
• 測定プロセスを $ y_{i,j} = x_i + \gamma_{i,j}^{-1/2} w_{i,j} $ としてモデル化し、$ \gamma_{i,j} $ が精度を制御し、過去のデータに基づいて適応的に選択可能であることを想定する。
• 非適応的手法との公平な比較を保つために、全精度予算制約 $ \sum_j \sum_i \gamma_{i,j} \leq R(p) $ を課し、$ R(p) $ は次元 $ p $ と共に増加するように定義する。
• 非ゼロ値の兆候を示す成分に測定リソースを集中させる逐次的精錬戦略を採用し、不確実性を効率的に低減する。
• しきい値ルール下での誤発見率および非発見率の分析に、濃度不等式および分散の上限を用いる。
• チェビシェフの不等式および漸近的解析を用いて、信号振幅がゆっくりと増加する場合に誤発見率（FDP）がゼロに収束しない条件を導出する。

実験結果

リサーチクエスチョン

• RQ1 次元 $ p $ が増加しても、信号振幅が定数のままのスパース信号を、適応的サンプリングで信頼性高く検出可能か？
• RQ2 非適応的手法と比較して、適応的サンプリング下での信頼性のある局在化に必要な最小信号振幅は何か？
• RQ3 信号振幅が任意にゆっくりと増加する場合、適応的サンプリングの性能は問題の次元にどのように依存するか？
• RQ4 しきい値ベースの適応的検出において、誤発見率（FDP）がゼロに収束しない条件は何か？
• RQ5 非適応的手法が検出および局在化に必要とする対数的振幅増加要件を、適応的サンプリングが克服できるか？

主な発見

• 非適応的手法が次元 $ p $ に応じて対数的に振幅を増加させる必要があるのに対し、適応的サンプリングでは問題の次元に依存しない定数以上の信号振幅があれば、信頼性の高い検出が可能となる。
• 信号振幅が $ p $ の任意にゆっくりと増加する関数（例：$ r < 1 $ のときの $ \log^{r} p $）よりも速く増加する場合、適応的サンプリングでは局在化が達成可能である。
• 非適応的手法では、信頼性の高い検出および局在化のため、信号振幅が次元 $ p $ に対して対数的に増加する必要があるが、適応的サンプリングではこれを著しく緩和できる。
• 信号振幅が $ \sqrt{2r \log p} $ よりも遅く増加する場合（$ r < \beta $）、誤発見率（FDP）はゼロに収束しないことが示され、しきい値ルール下での検出可能性に根本的な限界があることを示している。
• 信号振幅が遅すぎると、いかなるしきい値ルールでも誤発見率と非発見率の両方を制御できず、信頼性のある推論のための必要条件を特定している。
• チェビシェフの不等式および分散解析を用いた理論的境界の導出により、非適応的手法では達成できない性能向上が、適応的サンプリングによって実現可能であることが確認された。