[논문 리뷰] Blind Compressed Sensing

Sivan Gleichman, Yonina C. Eldar|arXiv (Cornell University)|2010. 02. 12.

Sparse and Compressive Sensing Techniques인용 수 4

한 줄 요약

이 논문은 희박성 기저에 대한 사전 지식이 없이도 희박한 신호를 압축 측정치로부터 복원할 수 있도록 하는 블라인드 압축 감지(BCS) 프레임워크를 소개한다. 알려진 유한한 기저 집합에 속하거나 사전 정의된 사전자료의 열들로 이루어진 희박한 조합일 경우와 같은 구조적 제약 조건을 도입함으로써, 가우시안 측정 행렬을 사용하여 고도로 희박한 신호일 경우 표준 압축 감지 성능과 유사한 성능으로 고유한 복원을 달성할 수 있다.

ABSTRACT

The fundamental principle underlying compressed sensing is that a signal, which is sparse under some basis representation, can be recovered from a small number of linear measurements. However, prior knowledge of the sparsity basis is essential for the recovery process. This work introduces the concept of blind compressed sensing, which avoids the need to know the sparsity basis in both the sampling and the recovery process. We suggest three possible constraints on the sparsity basis that can be added to the problem in order to make its solution unique. For each constraint we prove conditions for uniqueness, and suggest a simple method to retrieve the solution. Under the uniqueness conditions, and as long as the signals are sparse enough, we demonstrate through simulations that without knowing the sparsity basis our methods can achieve results similar to those of standard compressed sensing, which relay on prior knowledge of the sparsity basis. This offers a general sampling and reconstruction system that fits all sparse signals, regardless of the sparsity basis, under the conditions and constraints presented in this work.

연구 동기 및 목표

• 신호 복원을 위해 희박성 기저에 대한 사전 지식이 필요하다는 압축 감지의 한계를 해결하기 위해.
• 기저의 본질에 관계없이 모든 희박한 신호에 적용 가능한 통합된 측정 및 복원 프레임워크를 개발하기 위해.
• 희박성 기저 지식이 없음에도 불구하고 블라인드 복원이 고유하게 가능해지는 이론적 조건을 증명하기 위해.
• 희박성 기저에 특정한 구조적 제약 조건이 적용된 상황에서 실용적인 블라인드 복원 알고리즘을 제안하기 위해.
• 모의 실험을 통해 신호가 충분히 희박할 경우 BCS가 알려진 희박성 기저를 사용한 표준 압축 감지와 유사한 성능을 달성함을 보여주기 위해.

제안 방법

• 블라인드 압축 감지에서 고유성 보장하기 위해 세 가지 제약 조건을 제안: (1) 희박성 기저가 알려진 유한한 기저 집합에 속할 것, (2) 기저가 주어진 사전자료의 열들로 이루어진 희박한 조합일 것, (3) 다중 신호 간의 구조적 희박성.
• 첫 번째 제약 조건을 표준 압축 감지 문제의 시리즈로 간주하여 기존 표준 CS 솔버를 활용해 복원 가능함.
• 두 번째 제약 조건의 경우, 문제를 표준 압축 감지 또는 희박한 사전자료를 가진 사전자료 학습 문제로 재구성하고, 두 접근 방식을 비교함.
• 가우시안 랜덤 측정 행렬을 사용하며, 제안된 제약 조건 하에서 유일성 조건을 확률 1로 만족함을 증명함.
• 두 단계 복원 프로세스를 적용: 먼저 제약 조건 하에서 희박성 기저를 추정하고, 그 다음 표준 희박한 복원 알고리즘을 사용해 신호를 복원함.
• 제약 조건 하에서 측정 행렬가 반드시 전 스파크를 가져야 하며, 블록 간 대각선 구조를 피해야 고유한 복원이 보장됨을 증명함.

실험 결과

연구 질문

• RQ1 희박성 기저에 대한 사전 지식 없이도 압축 측정치로부터 희박한 신호를 고유하게 복원할 수 있는 조건는 무엇인가?
• RQ2 진짜 희박성 기저가 알려져 있지 않을 때도 블라인드 압축 감지가 표준 압축 감지와 유사한 성능을 달성할 수 있는가?
• RQ3 희박성 기저에 가해지는 어떤 구조적 제약 조건이 블라인드 설정에서 고유한 복원을 보장하는가?
• RQ4 측정치 수와 신호 수가 제안된 제약 조건 하에서 블라인드 복원 성공에 어떤 영향을 미치는가?
• RQ5 제안된 제약 조건 하에서 가우시안 랜덤 측정 행렬이 블라인드 압축 감지에서 고유한 복원을 보장할 수 있는가?

주요 결과

• 신호가 충분히 희박하고 희박성 기저가 제안된 제약 조건을 만족할 경우, 블라인드 압축 감지가 표준 압축 감지와 유사한 성능으로 신호 복원을 달성한다.
• 확률 1로, 가우시안 랜덤 측정 행렬이 제안된 제약 조건 하에서 유일성 조건을 만족함을 증명함.
• 제약 조건이 없을 경우, 블라인드 압축 감지에서 고유한 복원을 위해 필요한 측정치 수는 신호의 환경 차원과 동일하며, 이는 구조적 가정의 필수성을 강조한다.
• 유한한 기저 집합 제약 조건의 경우, 방법은 여러 표준 압축 감지 문제의 해법으로 환원되며, 이를 통해 기존 솔버를 활용한 효율적 복원이 가능하다.
• 희박한 기저 제약 조건의 경우, 문제는 희박한 사전자료를 가진 사전자료 학습 문제로 재구성할 수 있으며, 표준 CS와 DL 접근 방식 모두 유사한 복원 성능를 보인다.
• 모의 실험 결과, 제약 조건과 충분한 희박성 하에서, 블라인드 압축 감지가 알려진 희박성 기저를 사용한 표준 압축 감지와 유사한 복원 정확도로 신호를 복원함을 확인함.