[論文レビュー] Sobolev Duals for Random Frames and Sigma-Delta Quantization of Compressed Sensing Measurements

C. Si̇nan Güntürk, Alexander M. Powell+2 more|arXiv (Cornell University)|Feb 1, 2010

Sparse and Compressive Sensing Techniques参考文献 26被引用数 33

ひとこと要約

本稿では、r次シグマ・デルタ量子化された圧縮センシング測定値からの復元に、ソボレフ双対フレームを用いることを提案し、高確率でランダムなガウス測定行列を用い、軽度なサポート制約を満たすkスパース信号に対して、0 < β < 1 のもとで、誤差を (m/k)^{(r-1/2)β} の要因で著しく低減することを達成する。

ABSTRACT

Quantization of compressed sensing measurements is typically justified by the robust recovery results of Candes, Romberg and Tao, and of Donoho. These results guarantee that if a uniform quantizer of step size $\delta$ is used to quantize $m$ measurements $y = \Phi x$ of a $k$-sparse signal $x \in \R^N$, where $\Phi$ satisfies the restricted isometry property, then the approximate recovery $x^#$ via $\ell_1$-minimization is within $O(\delta)$ of $x$. The simplest and commonly assumed approach is to quantize each measurement independently. In this paper, we show that if instead an $r$th order $\Sigma\Delta$ quantization scheme with the same output alphabet is used to quantize $y$, then there is an alternative recovery method via Sobolev dual frames which guarantees a reduction of the approximation error by a factor of $(m/k)^{(r-1/2)\alpha}$ for any $0 < \alpha < 1$, if $m \gtrsim_r k (\log N)^{1/(1-\alpha)}$. The result holds with high probability on the initial draw of the measurement matrix $\Phi$ from the Gaussian distribution, and uniformly for all $k$-sparse signals $x$ that satisfy a mild size condition on their supports.

研究の動機と目的

• 均一量子化を超えて、量子化測定値からの圧縮センシング信号復元の精度を向上させること。
• 圧縮センシングの文脈において、ソボレフ双対フレームと組み合わせたr次シグマ・デルタ量子化の性能を分析すること。
• 軽度なサポートサイズの条件を満たすすべてのkスパース信号に対して、一様な復元保証を確立すること。
• 高次シグマ・デルタ方式を用いることで、標準的な均一量子化と比較して達成可能な誤差低減の定量的評価を行うこと。

提案手法

• 本手法は、kスパース信号 x ∈ ℝ^N の測定値 y = Φx を、固定された出力アルファベットを用いたr次シグマ・デルタ量子化により量子化する。
• 復元のための代替手法として、標準的なℓ₁最小化の代わりにソボレフ双対フレームを導入する。
• 測定行列 Φ がガウス分布に従い、高確率で制限等長性を満たすものと仮定して、復元誤差を分析する。
• 確率的解析を用いて理論的境界を導出し、m ≳_r k (log N)^{1/(1-α)} を満たす限り、誤差が (m/k)^{(r-1/2)α} に減少することを示す（任意の 0 < α < 1 に対して）。
• サポートが軽度なサイズ条件を満たすすべてのkスパース信号に対して、一様な復元が保証される。

実験結果

リサーチクエスチョン

• RQ1 高次シグマ・デルタ量子化とソボレフ双対フレームを組み合わせることで、均一量子化を超えて再構成誤差を低減できるか？
• RQ2 標準的なℓ₁最小化と比較して、r次シグマ・デルタ量子化とソボレフ双対フレームを用いることで、誤差低減にどの程度の定量的効果が得られるか？
• RQ3 誤差スケーリングは、測定数m、スパース度k、および量子化次数rにどのように依存するか？
• RQ4 ランダムなガウス行列に対して、改善された誤差スケーリングが高確率で成立するためのmとNの条件は何か？

主な発見

• r次シグマ・デルタ量子化とソボレフ双対フレームを用いることで、標準的な均一量子化と比較して、再構成誤差が (m/k)^{(r-1/2)α} の要因で低減される（任意の 0 < α < 1 に対して）。
• 測定行列 Φ がガウス分布に従い、m ≳_r k (log N)^{1/(1-α)} を満たす限り、この誤差低減は高確率で達成される。
• サポートが軽度なサイズ条件を満たすすべてのkスパース信号に対して、復元が一様に有効である。
• 特にrが増加する際、標準的なℓ₁最小化と比較して、誤差の減少率が著しく向上する。
• 提示された条件下で、理論的境界はすべてのkスパース信号に一様に成り立ち、耐障害性が保証される。