[論文レビュー] Side Information-Aided Compressed Sensing Reconstruction via Approximate Message Passing

Xing Wang, Jie Liang|arXiv (Cornell University)|Nov 4, 2013

Sparse and Compressive Sensing Techniques被引用数 8

ひとこと要約

本稿では、一般化されたリッジ・ネット正則化を用いた側情報を利用した一般化されたエラスティック・ネット・プライア（GENP）を導入することで、位相遷移境界を排除し、再構成誤差を低減する圧縮センシング再構成手法であるGENP-AMPを提案する。近似メッセージパッシングに事前知識を統合することで、スパarsityやノイズ分散の知識が不要な状態でも、あらゆる信号対ノイズ比の範囲で誤差が有界となる。

ABSTRACT

In this paper, we study the compressed sensing reconstruction problem with generalized elastic net prior (GENP), where a sparse signal is sampled via a noisy underdetermined linear observation system, and an additional initial estimation of the signal (the GENP) is available during the reconstruction. We first incorporate the GENP into the LASSO and the approximate message passing (AMP) frameworks, denoted by GENP-LASSO and GENP-AMP respectively. We then investigate the parameter selection, state evolution, and noise-sensitivity analysis of GENP-AMP. We show that, thanks to the GENP, there is no phase transition boundary in the proposed frameworks, i.e., the reconstruction error is bounded in the entire plane. The error is also smaller than those of the standard AMP and scalar denoising. A practical parameterless version of the GENP-AMP is also developed, which does not need to know the sparsity of the unknown signal and the variance of the GENP. Simulation results are presented to verify the efficiency of the proposed schemes.

研究の動機と目的

• 低信号対ノイズ比領域における再構成失敗を引き起こす、標準的な圧縮センシング手法の位相遷移の制限を解消する。
• 初期信号推定（一般化されたエラスティック・ネット・プライア）としての側情報を、圧縮センシング再構成プロセスに統合する。
• 信号のスパarsity や事前分散の知識が不要なパラメータフリーなアルゴリズムのバージョンを開発する。
• 従来のAMPやLASSOに存在する位相遷移境界を除去することで、あらゆるノイズレベルで安定した再構成性能を確保する。
• 側情報統合により、標準AMPやスカラー・デノイジング手法と比較して再構成精度を向上させる。

提案手法

• 一般化されたエラスティック・ネット・プライア（GENP）をLASSOおよび近似メッセージパッシング（AMP）フレームワークに統合し、GENP-LASSOおよびGENP-AMPを構築する。
• GENP-AMPのための状態遷移方程式を導出することで、その漸近的挙動および収束特性を分析する。
• 観測モデルにおける異なるノイズレベル下でのロバストネスを評価するためのノイズ感受性分析を実施する。
• 未知の信号スパarsityおよび事前分散に適応的に調整できる実用的でパラメータフリーのGENP-AMPバージョンを設計する。
• GENPにインスパイアされたデノイジング関数を用いた近似メッセージパッシングを用い、反復的に信号推定値を改善する。
• 状態遷移解析により、信号対ノイズ比がいかなる値であっても再構成誤差が有界のまま保たれることを示す。

実験結果

リサーチクエスチョン

• RQ1 一般化されたエラスティック・ネット・プライアによる側情報の統合が、圧縮センシング再構成における位相遷移境界を排除できるか？
• RQ2 さまざまなノイズレベルにおいて、GENP-AMPは標準AMPおよびスカラー・デノイジング手法と比較して、再構成精度がどのように異なるか？
• RQ3 GENPは再構成プロセスの安定性およびノイズ感受性にどのような影響を与えるか？
• RQ4 信号スパarsity や事前分散の事前知識が不要なパラメータフリーなGENP-AMPのバージョンを開発できるか？
• RQ5 GENP-AMPの状態遷移が、信号対ノイズ平面全体で再構成誤差が有界であることを確認できるか？

主な発見

• GENP-AMPは位相遷移境界を完全に排除し、あらゆる信号対ノイズ比で再構成誤差が有界であることを保証する。
• テストされたあらゆるノイズレベルにおいて、GENP-AMPの再構成誤差は標準AMPおよびスカラー・デノイジング手法のそれよりも厳密に小さい。
• 提案されたパラメータフリーなGENP-AMPバージョンは、信号スパarsity や事前分散の知識がなくても安定した性能を達成する。
• 状態遷移解析により、誤差が発散せず、低信号対ノイズ比領域でも有界に保たれることを確認した。
• 一般化されたエラスティック・ネット・プライアによる側情報統合は、圧縮センシング再構成におけるロバストネスと精度を顕著に向上させる。