[論文レビュー] Low-Complexity Iterative Algorithms for (Discrete) Compressed Sensing

Robert F. H. Fischer, Susanne Sparrer|arXiv (Cornell University)|May 19, 2017

Sparse and Compressive Sensing Techniques参考文献 25被引用数 3

ひとこと要約

本稿では、最適線形MMSE推定器のKrylov部分空間近似を用いた低複雑性の反復的圧縮センシングアルゴリズムを提案する。これにより、近似的なメッセージパッシング（AMP）よりも収束性が向上し、効率的な信号再構成が可能となる。本手法は、ターボ型圧縮センシングの主要な要素である推定、バイアス除去、およびソフトスレッショーディングを統合しつつ、さまざまな分布にわたる離散信号においても高い性能を維持する。

ABSTRACT

We consider iterative (`turbo') algorithms for compressed sensing. First, a unified exposition of the different approaches available in the literature is given, thereby enlightening the general principles and main differences. In particular we discuss i) the estimation step (matched filter vs. optimum MMSE estimator), ii) the unbiasing operation (implicitly or explicitly done and equivalent to the calculation of extrinsic information), and iii) thresholding vs. the calculation of soft values. Based on these insights we propose a low-complexity but well-performing variant utilizing a Krylov space approximation of the optimum linear MMSE estimator. The derivations are valid for any probability density of the signal vector. However, numerical results are shown for the discrete case. The novel algorithms shows very good performance and even slightly faster convergence compared to approximative message passing.

研究の動機と目的

• 反復的圧縮センシングアルゴリズムにおける最適MMSE推定の高い計算複雑性に対処すること。
• 既存のターボ型圧縮センシング手法の核心的要素（推定、バイアス除去、スレッショーディング）を統一的かつ明確にすること。
• 高い再構成精度を維持しつつ、近的メッセージパッシング（AMP）の実用的で低複雑性の代替手法を開発すること。
• 最小限の計算オーバーヘッドで離散圧縮センシングの効率的な信号回復を可能にすること。
• 任意の信号確率分布に一般化しつつ、特に離散ケースにおいて有効性を示すフレームワークの構築

提案手法

• 最適線形MMSE推定器の近似にKrylov部分空間法を用い、計算コストを低減しつつ精度を保持する。
• ターボ処理にインspiredされた反復フレームワークを採用し、外生的情報はバイアス除去操作により計算される。
• 推定信号値にソフトスレッショーディングを適用し、外生的情報を用いて反復間で推定値を改善する。
• 一致フィルタまたはMMSEに基づく推定ステップを統合し、提案手法は性能向上のためMMSE近似を優先する。
• 明示的なバイアス除去により、反復間での情報交換の一貫性を確保する。
• 任意の信号確率密度関数をサポートし、数値的妥当性は離散信号モデルに焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 反復的圧縮センシングにおける最適MMSE推定の計算複雑性を、性能を損なわずどのように低減できるか？
• RQ2 Krylov部分空間近似を用いることで、標準的なAMPと比較して収束速度と再構成精度にどのような影響があるか？
• RQ3 マッチドフィルタとMMSEの推定戦略、およびスレッショーディング手法の違いが、反復的圧縮センシングの性能に与える影響は何か？
• RQ4 推定、バイアス除去、およびソフト出力計算の観点から、既存の反復的圧縮センシングアルゴリズムを比較・対比できる統一フレームワークを確立できるか？
• RQ5 提案手法が、特に離散信号において、どの程度さまざまな信号分布に一般化可能か？

主な発見

• 提案手法は、最適MMSE推定器と同等の性能を達成しながら、計算複雑性を顕著に低減している。
• Krylov部分空間近似により、数値実験において従来の近的メッセージパッシング（AMP）よりも高速な収束が実現された。
• さまざまな信号対ノイズ比とスパarsityレベルにおいて、離散信号の再構成精度が高く維持されている。
• 明示的なバイアス除去による外生的情報の使用が、反復的収束性と推定安定性を向上させた。
• 異なる信号分布に対してロバストであり、離 discrete ケースにおいても有効性が実証された。
• フレームワークは、既存の反復的圧縮センシング手法を統一的に視覚化し、それらの背後にある原理と相違点を明確にした。