[論文レビュー] Robust Binary Fused Compressive Sensing using Adaptive Outlier Pursuit

Xiangrong Zeng, Mário A. T. Figueiredo|arXiv (Cornell University)|Feb 20, 2014

Sparse and Compressive Sensing Techniques参考文献 24被引用数 3

ひとこと要約

本稿では、外れ値の追求を統合して1ビット測定における符号反転を検出し補正することで、バイナリ融合圧縮センシングを強化する、適応的アルゴリズムであるロバストバイナリ融合圧縮センシング（RoBFCS）を提案する。グループスパarsityと適応的外れ値推定を用いた反復的しきい値処理により、RoBFCSはBIHTおよびBFCSよりも優れた復元精度を達成し、特に符号反転を伴うノイズの多い状況下で顕著である。

ABSTRACT

We propose a new method, {\it robust binary fused compressive sensing} (RoBFCS), to recover sparse piece-wise smooth signals from 1-bit compressive measurements. The proposed method is a modification of our previous {\it binary fused compressive sensing} (BFCS) algorithm, which is based on the {\it binary iterative hard thresholding} (BIHT) algorithm. As in BIHT, the data term of the objective function is a one-sided $\ell_1$ (or $\ell_2$) norm. Experiments show that the proposed algorithm is able to take advantage of the piece-wise smoothness of the original signal and detect sign flips and correct them, achieving more accurate recovery than BFCS and BIHT.

研究の動機と目的

• 1ビット圧縮センシングにおける符号反転の課題に取り組み、信号復元精度を低下させることを目的とする。
• 測定ノイズおよび外れ値に対してロバストであるように、既存のバイナリイテレーティブハードしきい値法（BIHT）およびバイナリ融合圧縮センシング（BFCS）を改善することを目的とする。
• 信号のピースワイズスムーズ構造をグループスパarsityを用いて活用することで、より少ない測定数でも復元性能を向上させることを目的とする。
• スパarsityレベルKや符号反転の数Lの事前知識を必要としない適応的メソッドの開発を目的とする。

提案手法

• BFCSの拡張としてRoBFCSを提案し、イテレーティブハードしきい値処理と適応的外れ値の追求（AOP）を組み合わせて、符号反転を検出し補正する。
• 測定値の符号整合性違反に対して片側ℓ₁またはℓ₂ペナルティを導入した修正された目的関数を用い、重み行列Λを介して符号を動的に調整する。
• 反復的に符号反転数Lを推定する適応的しきい値処理機構を導入し、誤った符号を修正するための重みベクトルΛを更新する。
• スパarsityとグループ構造を維持するためにイテレーティブハードしきい値処理を適用し、Kスパース集合への射影および、非負の信号の場合には非負の直交空間への射影をオプションで実施する。
• ステップサイズτと推定値の相対的変化に基づく停止基準を用い、BFCSの変種における最適なSNR向上を実現するように調整する。
• ℓ₁およびℓ₂のデータ適合ペナルティの両方をサポートし、実験ではℓ₁バージョンが優れた性能を示している。

実験結果

リサーチクエスチョン

• RQ1 適応的外れ値の追求は、符号反転を伴うノイズの多い1ビット測定下において、バイナリ融合圧縮センシングのロバスト性を向上させることができるか？
• RQ2 グループスパarsityを用いてピースワイズスムーズ性を活用することで、標準的なBIHTおよびBFCSと比較して信号復元精度が向上するか？
• RQ3 制御されたノイズ条件下で、RoBFCSの性能は、平均絶対誤差、平均二乗誤差、およびハミング誤差の観点からBIHTおよびBFCSと比較してどうなるか？
• RQ4 RoBFCSは、スパarsityレベルKや符号反転数Lの事前知識なしに、正確な復元を達成できるか？

主な発見

• RoBFCSの平均絶対誤差（MAE）は4.00×10⁻⁷であり、BIHT（0.0019）およびBFCS（0.0008）よりも顕著に低く、ほぼ完全な信号復元を示している。
• RoBFCSのハミング誤差（HE）は0.0010であり、すべての手法の中で最低であり、符号反転の効果的検出と補正を示している。
• RoBFCSの位置誤差率（PER）は0%であり、真の信号との符号整合性回復が完全であるのに対し、BFCSは0.9%、BIHTは1.8%であった。
• RoBFCSの角度誤差（AE）は0.0085であり、BIHT（0.1234）およびBFCS（0.0764）よりも顕著に低く、真の信号との角度一致が向上していることを確認している。
• ℓ₁ベースのRoBFCSバージョンは、すべての指標でℓ₂バージョンを上回り、符号整合性の不一致に対処するためのℓ₁ペナルティの利点を裏付けている。
• RoBFCSは平均二乗誤差（MSE）を4.00×10⁻⁷にまで大幅に低減し、BFCSの2.87×10⁻⁵およびBIHTの7.43×10⁻⁵と比較して、優れた再構成忠実度を示している。