[논문 리뷰] Compressive Inverse Scattering with TV-min and Greedy Pursuit

Albert Fannjiang|arXiv (Cornell University)|2012. 05. 17.

Sparse and Compressive Sensing Techniques참고 문헌 20인용 수 2

한 줄 요약

이 논문은 제약 조건이 있는 공동 희박성(CJS)을 위한 압축 측정 프레임워크를 제안하며, 총 변동성 최소화(TV-min)와 기초 추적(Basis Pursuit), 수직 매칭 추적(Orthogonal Matching Pursuit)과 같은 탐욕적 추적 방법을 적용한다. TV- 및 ℓ²-노름 복원에 대해 차원에 종속되지 않는 오차 한계를 수립하여, Candès, Romberg, 그리고 Tao의 정확한 복원 결과를 조각상 수체의 노이즈 있는 불완전한 푸리에 데이터로 확장한다.

ABSTRACT

This paper proposes a general framework for compressed sensing of constrained joint sparsity (CJS) which includes total variation minimization (TV-min) as an example. TV- and 2-norm error bounds, independent of the ambient dimension, are derived for the CJS version of Basis Pursuit and Orthogonal Matching Pursuit. As an application the results extend Cand`es, Romberg and Tao's proof of exact recovery of piecewise constant objects with noiseless incomplete Fourier data to the case of noisy data.

연구 동기 및 목표

• 역산산산 문제에서 제약 조건이 있는 공동 희박성(CJS)을 위한 일반적인 압축 측정 프레임워크를 개발하는 것.
• 환경 신호 차원에 종속되지 않는 TV-min 및 탐욕적 추적 방법의 오차 한계를 유도하는 것.
• 노이즈 없는 경우에서의 정확한 복원 보장을 노이즈 있는 불완전한 푸리에 데이터로 확장하여 조각상 수체에 대해 적용하는 것.
• CJS 제약 조건 하에서 Basis Pursuit 및 수직 매칭 추적의 이론적 성능 한계를 설정하는 것.

제안 방법

• 공동 희박성의 특성을 공유하는 다중 신호 간의 희박성 구조를 모델링하는 CJS 프레임워크를 수립한다.
• 조각상 수체 해를 촉진하기 위해 총 변동성 최소화(TV-min)를 정규화 기법으로 적용한다.
• Basis Pursuit 및 수직 매칭 추적에 대해 차원에 종속되지 않는 이론적 오차 한계를 ℓ² 및 TV 노름을 사용하여 유도한다.
• Candès, Romberg, 그리고 Tao의 증명 기법을 노이즈 있는 불완전한 푸리에 측정치를 다룰 수 있도록 적응 및 확장한다.
• 역산산산의 물리적 제약 조건과 일관성을 확보하기 위해 제약 조건이 있는 최적화 공식을 사용한다.
• 다이아몬드에서 원자들을 반복적으로 선택하여 희박한 신호를 재구성하는 탐욕적 추적 전략을 활용한다.

실험 결과

연구 질문

• RQ1 역산산산 문제에서 제약 조건이 있는 공동 희박성에 대해 일반적인 압축 측정 프레임워크를 개발할 수 있는가?
• RQ2 CJS 설정에서 TV-min 및 탐욕적 추적의 차원에 종속되지 않는 오차 한계는 무엇인가?
• RQ3 Candès, Romberg, 그리고 Tao의 정확한 복원 보장 결과를 노이즈 있는 불완전한 푸리에 데이터로 확장할 수 있는가?
• RQ4 역산산산 문제에서 노이즈 있는 측정치 하에서 TV-min 및 탐욕적 추적은 어떻게 성능을 발휘하는가?
• RQ5 CJS 제약 조건 하에서 Basis Pursuit 및 수직 매칭 추적에 대해 유도할 수 있는 이론적 성능 한계는 무엇인가?

주요 결과

• 논문은 CJS 프레임워크에서 TV-노름 및 ℓ²-노름 복원에 대해 차원에 종속되지 않는 오차 한계를 수립한다.
• Basis Pursuit 및 수직 매칭 추적가 노이즈 있는 불완전한 푸리에 측정치 하에서 안정적인 복원을 달성함을 증명한다.
• 이론적 결과는 Candès, Romberg, 그리고 Tao의 노이즈 없는 정확한 복원 결과를 조각상 수체에 대해 노이즈 있는 경우로 확장한다.
• 오차 한계는 환경 신호 차원에 종속되지 않아 확장성과 강건성을 보장한다.
• 이 프레임워크는 기존의 압축 측정 결과를 제약 조건이 있는 공동 희박성과 함께 역산산산에 일반화하여 성공적으로 적용한다.