[論文レビュー] SAT-based Compressive Sensing

Milton Halem, Tim Finin|arXiv (Cornell University)|Mar 6, 2019

Sparse and Compressive Sensing Techniques参考文献 34被引用数 7

ひとこと要約

この論文は、NP困難なスパース回復問題を重み付き-MAX-SATに還元することで、従来のℓ1最小化よりも少ない測定回数で正確な信号回復を可能にする、新しいSATベースの圧縮センシング手法を提案する。この手法は、非常にスパースなバイナリ信号（s/N ≈ 0.1）に対して8.3%少ない測定回数で性能を発揮し、高スパース度（s/N ≈ 0.5）でも依然として頑健である。

ABSTRACT

We propose to reduce the original well-posed problem of compressive sensing to weighted-MAX-SAT. Compressive sensing is a novel randomized data acquisition approach that linearly samples sparse or compressible signals at a rate much below the Nyquist-Shannon sampling rate. The original problem of compressive sensing in sparse recovery is NP-hard; therefore, in addition to restrictions for the uniqueness of the sparse solution, the coding matrix has also to satisfy additional stringent constraints -usually the restricted isometry property (RIP)- so we can handle it by its convex or nonconvex relaxations. In practice, such constraints are not only intractable to be verified but also invalid in broad applications. We first divide the well-posed problem of compressive sensing into relaxed sub-problems and represent them as separate SAT instances in conjunctive normal form (CNF). After merging the resulting sub-problems, we assign weights to all clauses in such a way that the aggregated weighted-MAX-SAT can guarantee successful recovery of the original signal. The only requirement in our approach is the solution uniqueness of the associated problems, which is notably looser. As a proof of concept, we demonstrate the applicability of our approach in tackling the original problem of binary compressive sensing with binary design matrices. Experimental results demonstrate the supremacy of the proposed SAT-based compressive sensing over the ℓ₁-minimization in the robust recovery of sparse binary signals. SAT-based compressive sensing on average requires 8.3% fewer measurements for exact recovery of highly sparse binary signals (s/N≈0.1). When s/N≈0.5, the ℓ₁-minimization on average requires 22.2% more measurements for exact reconstruction of the binary signals. Thus, the proposed SAT-based compressive sensing is less sensitive to the sparsity of the original signals.

研究の動機と目的

• 元の圧縮センシング問題の非効率性（ℓ0最小化によるNP困難性）に対処すること。
• 制限が厳しい制約（例：制限等方性性質（RIP））に依存する既存手法の限界を克服すること。RIPは検証が難しく、実世界の応用ではしばしば成立しない。
• 現代のSATソルバと圧縮センシングを結ぶために、スパース回復問題を重み付き-MAX-SATのインスタンスとして定式化すること。
• RIPの必要性ではなく、解の一意性が十分であることを示し、より広範な適用可能性を実現すること。

提案手法

• 元の圧縮センシング問題を2つの緩和された部分問題に分解する：Ax = y の不定方程式の解法と、最もスパースな解の特定。
• 各部分問題を、論理的標準形（CNF）における別個のブールSATインスタンスとして符号化する。
• 2つのCNFインスタンスを論理積（AND）演算で統合し、1つの大きなCNF式を構築する。
• 統合されたCNFの節に重みを割り当て、得られる重み付き-MAX-SATの最適解が元のスパース信号に正確に対応するようにする。
• この手法は、元の問題の解の一意性にのみ依存し、RIPのような制限的な制約の必要性を回避する。
• 記号的計算にはZ3定理プローバーを用い、バイナリ設計行列を用いたバイナリ圧縮センシングの評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 圧縮センシングにおけるスパース回復のNP困難問題を、有効に重み付き-MAX-SAT問題に再定式化できるか？
• RQ2 SATベースのアプローチは、測定回数削減および誤差耐性という観点で、ℓ1最小化を上回る回復性能を達成できるか？
• RQ3 スパース度が上昇する状況（特にs/Nが増加するとき）において、SATベースの手法はどのように性能を発揮するか？
• RQ4 制限等方性性質（RIP）のような制限的な制約に依存せずに、この手法は成功することができるか？
• RQ5 従来のℓ1ベースの回復法と比較して、SATベースのアプローチは高スパース度に対してより頑健であるか？

主な発見

• スパース度s/N ≈ 0.1の非常にスパースなバイナリ信号の正確な回復において、SATベースの圧縮センシング手法はℓ1最小化よりも8.3%少ない測定回数を要する。
• スパース度がs/N ≈ 0.5に上昇した場合、ℓ1最小化は正確な再構成のため平均して22.2%多くの測定回数を必要とするが、SATベースの手法は依然として頑健である。
• SATベースの手法は、平均回復誤差の観点でもℓ1最小化を上回っており、ノイズが多い環境や高スパース度の状況で特に顕著である。
• この手法はスパース度の変動に対してℓ1最小化よりも感受性が低く、さまざまな信号密度においてより高い頑健性を示している。
• 解の一意性という仮定のみを用いて正確な回復を達成しており、従来の手法が要請するRIPやその他の構造的制約よりもはるかに緩い条件で十分である。
• 実験結果から、SATベースの手法は実用的かつ性能面で優れていることが確認されたが、記号的計算のため、計算リソースの消費がやや高い。