[論文レビュー] Nearly Optimal Sparse Fourier Transform

Haitham Hassanieh, Piotr Indyk+2 more|arXiv (Cornell University)|Jan 12, 2012

Sparse and Compressive Sensing Techniques参考文献 16被引用数 27

ひとこと要約

本稿では、スパース・フォーリエ変換のための最初のサブ線形時間アルゴリズムを提示する。正確に k スパースな信号に対しては O(k log n) 時間、一般の信号に対しては O(k log n log(n/k)) 時間を達成し、任意の k = o(n) に対して O(n log n) の高速フーリエ変換（FFT）を上回る。アルゴリズムは確率的であり、ほぼ最適なサンプル複雑性を達成しており、FFT が稠密な DFT に対して最適であるという仮定の下では最適である。

ABSTRACT

We consider the problem of computing the k-sparse approximation to the discrete Fourier transform of an n-dimensional signal. We show: * An O(k log n)-time randomized algorithm for the case where the input signal has at most k non-zero Fourier coefficients, and * An O(k log n log(n/k))-time randomized algorithm for general input signals. Both algorithms achieve o(n log n) time, and thus improve over the Fast Fourier Transform, for any k = o(n). They are the first known algorithms that satisfy this property. Also, if one assumes that the Fast Fourier Transform is optimal, the algorithm for the exactly k-sparse case is optimal for any k = n^{Ω(1)}. We complement our algorithmic results by showing that any algorithm for computing the sparse Fourier transform of a general signal must use at least Ω(k log(n/k)/ log log n) signal samples, even if it is allowed to perform adaptive sampling.

研究の動機と目的

• DFT の k スパース近似を計算するサブ線形時間アルゴリズムを開発し、スパース信号において O(n log n) の高速フーリエ変換（FFT）を上回ること。
• 任意の k = o(n) に対して、実行時間が o(n log n) となるようにすること。これは、スパース・フォーリエ変換研究において長年の未解決問題であった。
• 大きなオーダー定数を有する低コストのアルゴリズムを設計し、実用的な効率性を実現し、先行手法よりも実験的に優れた性能を示すこと。
• FFT が最適であるという仮定の下で、サンプル複雑性とアルゴリズムの最適性に関するタイトな理論的境界を確立すること。
• 理論的に最適でありながら実用的に効率的なフレームワークを提供し、2 のべきでない信号長や他の変換への拡張が可能であることを示すこと。

提案手法

• 正確に k スパースな場合のアルゴリズムは、構造化されたサンプリングとエイリアシングに基づく確率的アプローチを用い、O(k log n) 時間で k 個の最大のフーリエ係数を特定する。
• 一般の信号の場合、多段階のフィルタリングとクラスタリング戦略を用いて顕著な周波数成分を分離し、O(k log n log(n/k)) の実行時間を達成する。
• ガウス分布の累積分布関数を用いて構築されたフラットな窓関数を活用し、スクリーニング漏れと周波数分解能を制御する。
• ランダムシフトとローパスフィルタリングの組み合わせを用い、高周波成分をベースバンドにマッピングすることで、縮小されたサンプル集合上でFFTを効率的に実行できるようにする。
• フーリエ領域におけるエネルギーの集中を新たな分析手法で評価し、必要なサンプル数の上限を設定するとともに、ℓ2/ℓ2 近似保証を確実にする。
• 窓関数の高速評価方式を組み込み、周波数インデックス 1 つあたり O(log(1/δ)) 時間で実行可能であり、フィルタド信号の効率的計算を可能にする。

実験結果

リサーチクエスチョン

• RQ1 正確に k スパースな信号に対して、O(k log n) 時間で実行可能なスパース・フォーリエ変換アルゴリズムは実現可能か？ これは、任意の k = o(n) に対して FFT を上回る。
• RQ2 一般の信号に対して、任意の k = o(n) に対して o(n log n) 時間で実行可能なサブ線形時間アルゴリズムを設計可能か？
• RQ3 DFT の k スパース近似を計算するために必要な信号サンプル数の情報理論的下界は何か？
• RQ4 アルゴリズムを決定的にするか、失敗確率を低下可能にするが、実行時間効率を損なわずに実現可能か？
• RQ5 一般信号に対する O(k log n log(n/k)) 時間は最適か？ それとも対数要因の改善が可能か？

主な発見

• 本稿では、正確に k スパースな場合に O(k log n) 時間を達成する確率的アルゴリズムを提示する。これは、任意の k = o(n) に対して o(n log n) 時間を達成する最初のアルゴリズムである。
• 一般の信号に対しては、O(k log n log(n/k)) 時間で実行可能であり、n に対してサブ線形時間であり、すべての k = o(n) に対して FFT を上回る。
• FFT が最適であるという仮定の下では、アルゴリズムは最適であり、k = n^Ω(1) の場合に k スパースアルゴリズムは最適である。
• 適応的サンプリングでさえも、必要な信号サンプル数に Ω(k log(n/k)/log log n) の下界を確立し、アルゴリズムがほぼサンプル最適であることを示している。
• k スパースアルゴリズムの初期実装は、n = 2^22 かつ k ≤ 2^17 の場合に FFTW（高度に最適化された FFT ライブラリ）を上回ったが、先行手法では k ≤ 2000 の場合にのみ FFTW を上回っていた。
• 定数の近似係数で ℓ2/ℓ2 近似保証を達成し、定数の確率で成功する。さらに、実行時間に対数因子を追加することで失敗確率を増幅可能である。