[論文レビュー] One-Bit Quantization Design and Adaptive Methods for Compressed Sensing

Jun Fang, Yanning Shen+1 more|arXiv (Cornell University)|Apr 7, 2013

Sparse and Compressive Sensing Techniques参考文献 20被引用数 3

ひとこと要約

本稿では、非量子化測定値に向かって動的にしきい値を調整することで、再構成誤差を任意に小さくできる、圧縮センシングにおける適応的一ビット量子化手法を提案する。未知の非量子化測定値に向かってしきい値を反復的に最適化することで、大きさの曖昧性を解消し、固定しきい値手法に比べて顕著に信号再構成精度を向上させる。

ABSTRACT

There have been a number of studies on sparse signal recovery from one-bit quantized measurements. Nevertheless, little attention has been paid to the choice of the quantization thresholds and its impact on the signal recovery performance. This paper examines the problem of one-bit quantizer design for sparse signal recovery. Our analysis shows that the magnitude ambiguity that ever plagues conventional one-bit compressed sensing methods can be resolved, and an arbitrarily small reconstruction error can be achieved by setting the quantization thresholds close enough to the original data samples without being quantized. Note that unquantized data samples are unaccessible in practice. To overcome this difficulty, we propose an adaptive quantization method that adaptively adjusts the quantization thresholds in a way such that the thresholds converges to the optimal thresholds. Numerical results are illustrated to collaborate our theoretical results and the effectiveness of the proposed algorithm.

研究の動機と目的

• 圧縮センシングにおける一ビット量子化しきい値の体系的設計の欠如に取り組む。
• 符号のみを保持する従来の一ビットCSにおける大きさの曖昧性を克服する。
• 元の非量子化測定値に近いしきい値を設計することで、再構成誤差を任意に小さく可能にする。
• 非量子化データが利用できない状況において最適しきい値を近似する実用的手法を開発する。
• 非量子化測定値に近づける反復的信号推定を用いた適応的しきい値の改良により、性能向上を実証する。

提案手法

• 信号推定値を用いてしきい値を反復的に更新する適応的量子化方式を提案する。
• 再構成された信号の推定値を用いて、$ \boldsymbol{\tau}^{(t)} = \boldsymbol{\hat{y}}^{(t)} + \xi^{(t)}\boldsymbol{\delta}^{(t)} $ としてしきい値を改善する。ここで $ \boldsymbol{\hat{y}}^{(t)} $ は推定測定ベクトルを表す。
• 徐々に減少するずれパラメータ $ \xi^{(t)} $ を採用し、$ \xi^{(t+1)} = \xi^{(t)}/10 $ としてしきい値の摂動を段階的に小さくする。
• 初期しきい値は $ \boldsymbol{\tau}^{(0)} = \boldsymbol{y} + \xi^{(0)}\boldsymbol{\delta}^{(0)} $ と設定され、$ \xi^{(0)} $ は測定値のノルムに比例する。
• 各反復で $ \ell_1 $-最小化または対数和最小化を用いて信号再構成を行う。
• 収束基準として $ \|\boldsymbol{\hat{x}}^{(t)} - \boldsymbol{\hat{x}}^{(t-1)}\|_2 < 0.01 $ を用い、反復を停止する。

実験結果

リサーチクエスチョン

• RQ1 一ビット圧縮センシングにおけるしきい値の選択が再構成精度に与える影響は何か？
• RQ2 しきい値を最適に選べば、一ビット量子化で再構成誤差を任意に小さくできるか？
• RQ3 非量子化測定値が入手できない状況で、最適しきい値を近似する戦略は何か？
• RQ4 固定しきい値手法に比べて、適応的しきい値の改良が信号再構成にどのように寄与するか？
• RQ5 一ビットCSにおける反復的しきい値適応の収束特性と性能向上は何か？

主な発見

• 元の非量子化測定値に近いしきい値を設定することで、理論的に再構成誤差を任意に小さくできる。
• 提案手法は、固定しきい値を用いる非適応的手法に比べて、再構成性能が顕著に向上する。
• 平均して10反復以内に収束し、反復の過程で一貫した性能向上が得られる。
• 数値実験では、さまざまな測定数において、正規化平均二乗誤差（NMSE）の観点で、非適応的一ビット手法を上回る性能を示す。
• 画像再構成実験では、適応的手法が非適応的ベースラインに比べ、はっきりとシャープで正確な再構成を実現する。
• 本手法は大きさの曖昧性を効果的に解消し、一ビット量子化という制約下でもより良い信号再構成を可能にする。