[論文レビュー] Error Decay of (almost) Consistent Signal Estimations from Quantized Random Gaussian Projections.

Laurent Jacques|arXiv (Cornell University)|May 30, 2014

Sparse and Compressive Sensing Techniques参考文献 23被引用数 4

ひとこと要約

本稿は、単位球内の信号に対するランダムなガウス射影からの一貫性のある信号再構成のための新たな誤差バウンドを確立し、最悪ケースの $β_2$-誤差が $O(\frac{N}{M}\log\frac{M}{\sqrt{N}})$ の割合で減少することを示している。これは、既知の下界と対数要因を除いて一致する。さらに、$K$-スパース信号への結果の拡張を行い、制限された一貫性条件が依然として同様の誤差減少率をもたらすことを示している。有界な量子化誤差のもとでも同様の結果が得られる。

ABSTRACT

This paper provides new error bounds on reconstruction methods for signals observed from quantized random sensing. Those signal estimation techniques guarantee a perfect matching between the available quantized data and a reobservation of the estimated signal under the same sensing model. Focusing on dithered uniform scalar quantization of resolution $\delta>0$, we prove first that, given a random Gaussian frame of $\mathbb R^N$ with $M$ vectors, the worst case $\ell_2$-error of consistent signal reconstruction decays with high probability as $O(\frac{N}{M}\log\frac{M}{\sqrt N})$ uniformly for all signals of the unit ball $\mathbb B^N \subset \mathbb R^N$. Up to a log factor, this matches a known lower bound in $\Omega(N/M)$. Equivalently, with a minimal number of frame coefficients behaving like $M = O(\frac{N}{\epsilon_0}\log(\frac{\sqrt N}{\epsilon_0}))$, any vectors in $\mathbb B^N$ with $M$ identical quantized projections are at most $\epsilon_0$ apart with high probability. Second, in the context of Quantized Compressed Sensing with $M$ random Gaussian measurements and under the same scalar quantization scheme, consistent reconstructions of $K$-sparse signals of $\mathbb R^N$ have a worst case error that decreases with high probability as $O(\frac{K}{M}\log\frac{MN}{\sqrt K^3})$ uniformly for all such signals. Finally, we show that the strict consistency condition can be slightly relaxed, e.g., allowing for a bounded level of error in the quantization process, while still guaranteeing a proximity between the original and the estimated signal. In particular, if this quantization error is of order $O(1)$ with respect to $M$, similar worst case error decays are reached for reconstruction methods adjusted to such an approximate consistency.

研究の動機と目的

• 量子化されたランダムなガウス測定値からの一貫性のある信号推定のためのタイトな誤差バウンドを導出すること。
• 再構成誤差が測定数 $M$ と信号次元 $N$ に対してどのようにスケーリングするかを分析すること。
• 量子化された圧縮センシングの文脈において、$K$-スパース信号への結果の拡張。
• 厳密な一貫性を緩和することで、誤差減少率を損なわずに耐性を高められるかを調査すること。
• 有界な量子化誤差のもとでの誤差減少を確立し、近似的な一貫性が依然として有利な収束をもたらすことを示すこと。

提案手法

• 解像度 $\delta > 0$ のデイター付き一様スカラ量子化を用いて、量子化測定をモデル化する。
• 推定信号の射影と観測された量子化データが完全に一致するように制約を課す一貫性のある再構成フレームワークを適用する。
• 高確率での誤差バウンドを導出するために、$\mathbb{R}^N$ 内の $M$ 個のベクトルからなるランダムなガウスフレームに対する確率的解析を実施する。
• 集中不等式と単位球およびスパース信号集合における幾何的議論を用いて、最悪ケースの $\ell_2$-誤差バウンドを導出する。
• 全次元信号と $K$-スパース信号の両方を考慮し、それに応じて誤差バウンドを調整する。
• 厳密な一貫性を緩和し、有界な量子化誤差を許容する。そのうえで、調整された再構成手法のもとでも同様の誤差減少率が維持されることを示す。

実験結果

リサーチクエスチョン

• RQ1 単位球 $\mathbb{B}^N$ 内の信号に対する、量子化されたランダムなガウス射影からの一貫性のある信号再構成における最悪ケースの $\ell_2$-誤差は、どの程度の速度で減少するか？
• RQ2 任意の二つの信号が同一の量子化射影を持つ場合、高確率で $\ell_2$-ノルムにおいて $\epsilon_0$ 以内に収まるようにするために必要な最小の測定数 $M$ はどれくらいか？
• RQ3 $K$-スパース信号において、一貫性のある再構成のもとで誤差バウンドはどのようにスケーリングするか？
• RQ4 厳密な一貫性条件を緩和しても、有利な誤差減少率を維持できるか？
• RQ5 有界な量子化誤差が、一貫性推定における最悪ケースの再構成誤差に与える影響は何か？

主な発見

• 単位球 $\mathbb{B}^N$ 内の信号の一貫性のある再構成における最悪ケースの $\ell_2$-誤差は、高確率で $O(\frac{N}{M}\log\frac{M}{\sqrt{N}})$ の割合で減少する。
• この誤差減少率は、既知の下界 $\Omega(\frac{N}{M})$ と対数要因を除いて一致する。
• $M = O(\frac{N}{\epsilon_0}\log(\frac{\sqrt{N}}{\epsilon_0}))$ の測定数があれば、任意の二つの信号が同一の量子化射影を持つ場合、高確率で $\ell_2$-ノルムにおいて $\epsilon_0$ 以内に収まる。
• $K$-スパース信号では、最悪ケースの $\ell_2$-誤差は高確率で $O(\frac{K}{M}\log\frac{MN}{\sqrt{K}^3})$ の割合で減少する。
• 厳密な一貫性を緩和し、$M$ に対して $O(1)$ のオーダーの有界な量子化誤差を許容しても、同様の誤差減少率が維持される。
• 提案された再構成手法は、近似的な一貫性のもとでも良好な誤差減少を維持しており、量子化の不完全性に対しても耐性があることが示された。