[論文レビュー] One-bit compressive sensing with norm estimation

Karin Knudson, Rayan Saab+1 more|arXiv (Cornell University)|Apr 28, 2014

Sparse and Compressive Sensing Techniques参考文献 25被引用数 11

ひとこと要約

本稿は、測定モデルにアフィン量子化シフト $b_i$ を組み込むことで、スパース信号の方向とノルムの両方を正確に回復できる、新しい1ビット圧縮センシングフレームワークを提案する。ランダムな $b_i$ または固定された $b_i$ を用いる場合、$m \gtrsim R^4 r^{-2} \delta^{-2}$ 測定値を用いてノルム $\|\bm{x}\|_2$ を加法的誤差 $\delta$ 以内に推定できることを示し、既知のノルムアニュラス内に存在するすべてのスパースベクトルに対して普遍的な回復保証を提供する。

ABSTRACT

Consider the recovery of an unknown signal ${x}$ from quantized linear measurements. In the one-bit compressive sensing setting, one typically assumes that ${x}$ is sparse, and that the measurements are of the form $\operatorname{sign}(\langle {a}_i, {x} angle) \in \{\pm1\}$. Since such measurements give no information on the norm of ${x}$, recovery methods from such measurements typically assume that $\| {x} \|_2=1$. We show that if one allows more generally for quantized affine measurements of the form $\operatorname{sign}(\langle {a}_i, {x} angle + b_i)$, and if the vectors ${a}_i$ are random, an appropriate choice of the affine shifts $b_i$ allows norm recovery to be easily incorporated into existing methods for one-bit compressive sensing. Additionally, we show that for arbitrary fixed ${x}$ in the annulus $r \leq \| {x} \|_2 \leq R$, one may estimate the norm $\| {x} \|_2$ up to additive error $δ$ from $m \gtrsim R^4 r^{-2} δ^{-2}$ such binary measurements through a single evaluation of the inverse Gaussian error function. Finally, all of our recovery guarantees can be made universal over sparse vectors, in the sense that with high probability, one set of measurements and thresholds can successfully estimate all sparse vectors ${x}$ within a Euclidean ball of known radius.

研究の動機と目的

• 標準的な1ビット圧縮センシングにおける根本的制限、すなわち符号のみの測定により信号の大きさ情報が失われる問題に対処すること。
• 測定式 $\operatorname{sign}(\langle\bm{a}_i,\bm{x}\rangle + b_i)$ のアフィン測定を導入することで、1ビット圧縮センシングにおけるノルム回復を可能にすること。
• スパースベクトルが既知のノルムアニュラス $r \leq \|\bm{x}\|_2 \leq R$ 内にある場合に、そのすべてのスパースベクトルに対して普遍的な回復保証を提供すること。
• 2つの異なる手法を開発すること：1つはランダムな $b_i$ を用いて方向とノルムの同時回復を可能にする手法、もう1つは固定された $b_i$ を用いてノルムのみを推定する手法。
• 制御された加法的誤差 $\delta$ でノルム推定に必要な測定回数の境界を確立すること。

提案手法

• アフィン量子化を用いた測定モデルを導入：$y_i = \operatorname{sign}(\langle\bm{a}_i,\bm{x}\rangle + b_i)$、ここで $\bm{a}_i$ は独立同一分布に従う標準正規分布を取るベクトル。
• i.i.d. 正規分布に従う $b_i$ を用いた手法を提案し、Plan と Vershynin (2013) のアイデアを拡張した拡張された最適化問題により、方向とノルムの同時回復を可能にする。
• 固定しきい値 $b_i = \tau$ を用いた2番目の手法を開発し、測定値の経験的累積分布関数（EDF）を用いて $\|\bm{x}\|_2$ を推定する。
• 固定された $\tau$ の下で $-1$ 測定値の割合から逆正規分布関数の評価を用いてノルムを推定する。
• 幾何確率と測定集中の理論を用いて普遍的な回復保証を導出し、ノルムアニュラス内に存在するすべてのスパースベクトルに対して高い確率で成功することを示す。
• 測定回数の境界を確立：$m \gtrsim R^4 r^{-2} \delta^{-2}$ 測定値があれば、$\|\bm{x}\|_2$ を加法的誤差 $\delta$ 以内に推定可能である。

実験結果

リサーチクエスチョン

• RQ1 符号情報のみが利用可能な1ビット測定から、スパース信号のノルムを回復できるか？
• RQ2 測定モデルにアフィンシフト $b_i$ を導入することで、1ビット圧縮センシングにおけるノルム回復が可能になるか？
• RQ3 アフィン1ビット測定を用いて、ノルム $\|\bm{x}\|_2$ を加法的誤差 $\delta$ 以内に推定するための最小測定回数は何か？
• RQ4 すべてのスパースベクトルが既知のノルムアニュラス内にある場合に、回復保証を普遍的に行えるか？
• RQ5 ランダムなしきい値と固定されたしきい値 $b_i$ は、ノルムおよび信号回復の精度とロバストネスにどのように影響するか？

主な発見

• 固定しきい値 $b_i = \tau$ を用いる場合、$m \gtrsim R^4 r^{-2} \delta^{-2}$ 個の1ビット測定値を用いてノルム $\|\bm{x}\|_2$ を加法的誤差 $\delta$ 以内に推定可能である。
• ランダムな $b_i \sim \mathcal{N}(0, \tau^2)$ を用いる場合、拡張された最適化フレームワークにより、高い確率で方向とノルムの両方を正確に回復できる。
• 提案手法は普遍的回復保証を提供する：1つの測定セットとしきい値セットで、$r \leq \|\bm{x}\|_2 \leq R$ を満たすすべての $s$-スパースベクトル $\bm{x}$ を高い確率で回復可能である。
• $PV_{\text{aug}}$ 手法（ランダムな $b_i$ を使用）は、EDF 手法（固定された $\tau$ を使用）よりもしきい値の誤差にロバストであるが、最適な $\tau$ の下では後者の方がわずかに優れた性能を示す可能性がある。
• 数値実験により、両手法とも測定数 $m$ の増加に伴い誤差が減少することが確認され、$\tau$ が $\|\bm{x}\|_2$ より小さすぎたり大きすぎたりする場合、誤差曲線がU字型を示すことが分かった。
• 理論的解析により、固定された $b_i$ を用いる場合、スパース性の仮定がなくても、信号が既知のアニュラス内にある限りノルム回復が可能であることが示された。