[論文レビュー] Distributed Quantization for Measurement of Correlated Sparse Sources over Noisy Channels

Amirpasha Shirazinia, Saikat Chatterjee+1 more|arXiv (Cornell University)|Apr 30, 2014

Sparse and Compressive Sensing Techniques参考文献 33被引用数 11

ひとこと要約

本稿は、ノイジィなチャネルを介して送信される相関のあるスパース信号の圧縮測定値に対して、分散型ベクトル量子化（VQ）方式を提案し、反復的エンコーダ・デコーダ設計により、エンドツーエンドの平均二乗誤差（MSE）を最小化する。ノイジィな圧縮測定とチャネル耐性のある量子化の両方の状態に適応するMSEの合成下界を導出し、シミュレーションにおいて中央集権的およびベースライン方式よりも優れた性能を示した。

ABSTRACT

In this paper, we design and analyze distributed vector quantization (VQ) for compressed measurements of correlated sparse sources over noisy channels. Inspired by the framework of compressed sensing (CS) for acquiring compressed measurements of the sparse sources, we develop optimized quantization schemes that enable distributed encoding and transmission of CS measurements over noisy channels followed by joint decoding at a decoder. The optimality is addressed with respect to minimizing the sum of mean-square error (MSE) distortions between the sparse sources and their reconstruction vectors at the decoder. We propose a VQ encoder-decoder design via an iterative algorithm, and derive a lower-bound on the end-to-end MSE of the studied distributed system. Through several simulation studies, we evaluate the performance of the proposed distributed scheme.

研究の動機と目的

• 相関のあるスパース信号に対する分散型圧縮、圧縮測定、チャネル耐性のある量子化を統合する統一フレームワークの不足に対処すること。
• ノイジィな離散的記憶なしチャネル（DMC）を介して送信される圧縮測定値に対して、チャネル耐性のあるベクトル量子化方式を設計すること。
• 復元されたスパース信号と元のスパース信号との間の平均二乗誤差（MSE）歪みの合計を最小化すること。
• 圧縮測定の歪みとチャネルノイズの両方を考慮したエンドツーエンドMSE性能の理論的下界を導出すること。
• 相関度、圧縮レート、チャネルノイズレベルの変動を想定したシミュレーションを通じて、提案手法の評価を行うこと。

提案手法

• 相関のあるスパース信号のエンコーダ・デコーダペアを同時に最適化するため、ベイジアン最小平均二乗誤差（MMSE）推定フレームワークを用いる。
• ノイジィなチャネル環境下でのエンドツーエンドMSEを最小化する目的で、VQエンコーダおよびデコーダを反復的アルゴリズムにより設計する。
• 2つのセンサーがCSを用いて測定値を取得し、それぞれ独立にVQで量子化し、独立したDMCを介して送信するシステムモデルを構築する。
• オラクルがサポート集合を知っている場合の限界とCS歪みに基づく限界を組み合わせることで、ノイジィまたはノイズなしの状態に適応するMSEの合成下界を導出する。
• 文献[12]における2次ガウス源符号化のレート-歪み領域を用い、サポート集合上に存在する非スパースガウス成分の歪みを制限する。
• MMSE推定フレームワーク内での事後分布および尤度を計算するために、解析的積分技術を適用する。

実験結果

リサーチクエスチョン

• RQ1 相関のあるスパース信号の圧縮測定値に対して、分散型でノイジィなチャネル環境下でベクトル量子化をどのように最適化できるか？
• RQ2 エンドツーエンドMSEの観点から、このような分散型システムの理論的性能限界（下界）は何か？
• RQ3 相関度およびチャネルノイズの変動下で、提案手法は中央集権的および非耐性方式と比べてどのように異なるか？
• RQ4 圧縮測定歪みとチャネルノイズの両方の状態に適応する合成下界を導出できるか？
• RQ5 サポート集合の不確実性とチャネルノイズは、分散型CSシステムにおける達成可能な歪みにどのような影響を与えるか？

主な発見

• 提案された反復的VQ設計は、高い相関度と中程度のノイズ環境下で、最適化されていないまたは中央集権的設計と比較して、エンドツーエンドMSEを顕著に低減する。
• オラクルベースとCS歪みベースの限界を組み合わせたMSEの合成下界は、さまざまなノイズ状態でタイトな理論的性能基準を提供する。
• 非常にノイジーなチャネルでは、この下界は理論的に達成不可能である。これは、この分散型構成ではソース・チャネル分離定理が成立しないためである。
• シミュレーションでは、相関度が高くチャネルノイズが低い状況で、提案手法が導出された下界に非常に近い性能を達成することが示された。
• システム性能は相関度と量子化レートの両方に敏感であり、高圧縮レートでは利得の逓減が顕著に現れる。
• ベイジアンフレームワークを用いたMMSE推定により、サポート集合が未知の状態やノイジィな伝送環境下でも、頑健な復元が可能である。