[論文レビュー] Graph Signal Processing -- Part II: Processing and Analyzing Signals on Graphs

Ljubiša Stanković, Danilo P. Mandic+4 more|arXiv (Cornell University)|Sep 23, 2019

Advanced Graph Neural Networks参考文献 71被引用数 11

ひとこと要約

本稿は、隣接行列およびラプラシアン行列に基づくグラフ離散フーリエ変換（GDFT）を軸に、グラフ上の信号を処理・分析する包括的なフレームワークを提案する。グラフ信号処理（GSP）の原則に従い、スペクトルドメインでのフィルタリング、サブサンプリング、圧縮センシング、時変信号モデル、ランダムグラフ信号、および頂点周波数解析（局所化されたグラフフーリエ変換および低干渉分布を含む）を確立する。これにより、不規則なグラフドメイン上での局所的で多スケールの信号解析が可能となり、周辺分布および不確実性の性質が保持される。

ABSTRACT

The focus of Part I of this monograph has been on both the fundamental properties, graph topologies, and spectral representations of graphs. Part II embarks on these concepts to address the algorithmic and practical issues centered round data/signal processing on graphs, that is, the focus is on the analysis and estimation of both deterministic and random data on graphs. The fundamental ideas related to graph signals are introduced through a simple and intuitive, yet illustrative and general enough case study of multisensor temperature field estimation. The concept of systems on graph is defined using graph signal shift operators, which generalize the corresponding principles from traditional learning systems. At the core of the spectral domain representation of graph signals and systems is the Graph Discrete Fourier Transform (GDFT). The spectral domain representations are then used as the basis to introduce graph signal filtering concepts and address their design, including Chebyshev polynomial approximation series. Ideas related to the sampling of graph signals are presented and further linked with compressive sensing. Localized graph signal analysis in the joint vertex-spectral domain is referred to as the vertex-frequency analysis, since it can be considered as an extension of classical time-frequency analysis to the graph domain of a signal. Important topics related to the local graph Fourier transform (LGFT) are covered, together with its various forms including the graph spectral and vertex domain windows and the inversion conditions and relations. A link between the LGFT with spectral varying window and the spectral graph wavelet transform (SGWT) is also established. Realizations of the LGFT and SGWT using polynomial (Chebyshev) approximations of the spectral functions are further considered. Finally, energy versions of the vertex-frequency representations are introduced.

研究の動機と目的

• 不規則なグラフドメインにおける決定的およびランダム信号の統一的信号処理フレームワークの構築を目的とする。
• 次元削減の下でのグラフ信号フィルタリング、サンプリング、および再構成の課題に対処することを目的とする。
• 頂点周波数表現および局所化された変換を介して、古典的な時間周波数概念をグラフへと拡張することを目的とする。
• 正確な信号局所化を可能にするために、頂点周波数エネルギー分布における周辺および不確実性の性質を保証することを目的とする。

提案手法

• スペクトルドメイン解析のため、隣接行列およびグラフラプラシアンの固有値分解に基づき、グラフ離散フーリエ変換（GDFT）を定義する。
• グラフ信号フィルタリングは、伝達関数を用いたスペクトルドメインでの実装であり、計算効率を高めるためにテイラー多項式近似を用いる。
• サブサンプリングおよび圧縮センシングは、サポート行列および一意な再構成条件を用いて分析され、線形測定およびフィルタバンクと関連付ける。
• 時変信号は拡散過程およびタウビンのα–βアルゴリズムを用いてモデル化され、動的グラフ信号の追跡が可能となる。
• 局所化されたグラフフーリエ変換（LGFT）を用いたスペクトルおよび頂点ドメインの窓関数を組み合わせることで、頂点-周波数領域における共同局所化を実現する頂点周波数表現が構築される。
• カーネルに基づく逆問題とエネルギー形式を用いて、低干渉の頂点周波数分布が導出され、周辺性および滑らかさの性質を満たす。

実験結果

リサーチクエスチョン

• RQ1 グラフ信号処理は、不規則なグラフドメインにおけるフィルタリングやフーリエ変換といった古典的信号処理概念をどのように一般化できるか？
• RQ2 サブサンプリング測定からのグラフ信号の一意な再構成の条件は何か？また、圧縮センシングはどのように適用できるか？
• RQ3 頂点-スペクトルドメインにおける局所化解析をどのように形式化し、グラフ上での多スケール信号解釈を可能にできるか？
• RQ4 グラフ信号の頂点周波数表現における不確実性原理および周辺性の性質は何か？
• RQ5 グラフ上での低干渉分布は、エネルギーおよび滑らかさの情報をどのように保持しつつ、クロストーム干渉を最小限に抑えるか？

主な発見

• 隣接行列およびラプラシアン行列に基づくGDFTは、スペクトルドメインでの信号表現およびフィルタリングを可能にし、計算効率を高めるためにチェビシェフ多項式による伝達関数近似が用いられる。
• バンドパスおよびスパースなグラフ信号のサブサンプリングは、特定のサポートおよびサンプリング条件の下で一意な再構成が可能であり、圧縮センシングの原則と関連づけられる。
• 局所化されたグラフフーリエ変換（LGFT）は、スペクトルおよび頂点ドメインの窓関数を用いて頂点-スペクトル局所化を実現でき、和集合、バンドパス関数、またはカーネルに基づく方法による逆問題が可能である。
• 低干渉の頂点周波数分布は、頂点および周波数周辺を両方保持するカーネルを用いて構築され、sincカーネルは滑らかでバイアスのない表現を達成する。
• 頂点周波数エネルギー分布は周辺性を満たし、局所的滑らかさの推定が可能である。カーネルベースの形式は、古典的なコhenクラス分布を一般化する。
• このフレームワークは、古典的な時間周波数解析を一般化し、円形グラフの場合には標準的な時間周波数分布に還元され、従来の理論と整合性を保つ。