[論文レビュー] Tight Measurement Bounds for Exact Recovery of Structured Sparse Signals

Nikhil Rao, Benjamin Recht+1 more|arXiv (Cornell University)|Jun 22, 2011

Sparse and Compressive Sensing Techniques参考文献 29被引用数 20

ひとこと要約

本稿では、事前に定義されたグループ内で係数が活性化される構造的スパース信号の正確な復元に必要な測定回数のタイトで普遍的な境界を導出する。信号の係数が事前に定義されたグループ内で活性化されるグループスパarsityを用いた場合、正確な復元は約 $(\sqrt{2\log(M-k)} + \sqrt{B})^2k + kB$ 回の測定で可能である—ここで $M$ はグループ数、$k$ は活性化されたグループ数、$B$ は最大グループサイズ—グループの重複の有無にかかわらず実現可能であり、標準的な圧縮センシングに比べて測定回数を顕著に削減する。

ABSTRACT

Standard compressive sensing results state that to exactly recover an s sparse signal in R^p, one requires O(s. log(p)) measurements. While this bound is extremely useful in practice, often real world signals are not only sparse, but also exhibit structure in the sparsity pattern. We focus on group-structured patterns in this paper. Under this model, groups of signal coefficients are active (or inactive) together. The groups are predefined, but the particular set of groups that are active (i.e., in the signal support) must be learned from measurements. We show that exploiting knowledge of groups can further reduce the number of measurements required for exact signal recovery, and derive universal bounds for the number of measurements needed. The bound is universal in the sense that it only depends on the number of groups under consideration, and not the particulars of the groups (e.g., compositions, sizes, extents, overlaps, etc.). Experiments show that our result holds for a variety of overlapping group configurations.

研究の動機と目的

• 構造的スパース信号の正確な復元に必要な測定回数の漸近的でない、普遍的な境界を導出すること。この信号のスパースパターンは、事前に知られたグループスパarsity構造にあること。
• 特にグループの重複がある場合を含め、グループ構造が標準的な圧縮センシングを上回る測定回数の削減を実現できることを示すこと。
• 境界がグループの構成、サイズ、重複構造に依存せず、グループ数にのみ依存することを確立すること。
• 合成信号および実世界の信号（ウェーブレット変換済みデータを含む）を用いた実験を通じて、理論的境界の妥当性を検証すること。

提案手法

• 著者らは、独立同一分布に従うガウス測定行列を用い、測定演算子の制限最小特異値を分析することで復元境界を導出する。
• 信号のサポートを $M$ 個の事前に定義されたグループの中から $k$ 個のグループの和集合としてモデル化し、任意のグループの重複を許容する。
• 復元アルゴリズムは、事前に定義されたグループ構造におけるスパarsityを促進する重複グループラッソの定式化に基づく。
• 測定回数の最小値が必要な正確な復元を保証する理論的境界は、測度の集中と幾何確率を用いて導出される。
• 測定行列をサブガウス分布に拡張した場合、小さなペナルティを伴うため、広範な適用性が保証される。
• 合成および実ウェーブレットデータを用いて、非重複、部分的重複、高度な重複を含む多様なグループ構成において、実験的検証が実施された。

実験結果

リサーチクエスチョン

• RQ1 スパースパターンが事前に定義されたグループの和集合にある構造的スパース信号の正確な復元に必要な測定回数の漸近的でない境界を導出可能か？
• RQ2 グループ間の重複度が、正確な復元に必要な測定回数に影響を与えるか？
• RQ3 境界がグループの具体的な構造（サイズ、構成、重複）に依存せず、グループ数にのみ依存する普遍的境界が可能か？
• RQ4 さまざまなグループ構成において、提案された境界は標準的なラッソベースの復元と比べて測定効率がどのように向上するか？

主な発見

• 提案された境界は普遍的である：グループ数 $M$、活性化グループ数 $k$、最大グループサイズ $B$ のみに依存し、グループの重複や構成には依存しない。
• グループ数 $M=100$、活性化グループ数 $k=5$、最大グループサイズ $B=40$ の場合、測定回数はグループの重複の有無にかかわらず約 630 回であり、すべてのテスト構成で成り立つ。
• ウェーブレット変換の場合、$p=16384$、$M=16382$、$B=2$、$k=47$ とすると、境界は 1690 回の測定を予測し、正確な復元に十分である。
• スパース度 $s$ が増加するにつれて境界は緩み始めるが、依然として標準的なラッソ境界よりも顕著にタイトである—例として、ほぼ完全な重複では 405 回、非重複ケースでは 3305 回。
• ラッソは 380 回の測定では信号を復元できなかったが、グループベースの手法では成功しており、構造的スパarsityの利点が明確に示された。
• 実験結果は、理論的境界が、高密度に重複する構造やランダムな構成を含む多様なグループ構造においても成り立つことを確認した。