[논문 리뷰] Data recovery from corrupted observations via l1 minimization

Dongcai Su|arXiv (Cornell University)|2016. 01. 22.

Sparse and Compressive Sensing Techniques참고 문헌 35인용 수 7

한 줄 요약

이 논문은 부분 푸리에 감지 행렬을 사용하여 손상된 선형 측정치로부터 희박 신호를 복원하기 위한 l1 최소화 프레임워크를 제안한다. 신호가 충분히 희박하다면, 측정치의 거의 100%가 임의로 손상된 상태에서도 정확한 복원이 가능하다는 것을 보여주며, 이는 이전 연구보다 ln(n) 요소만큼 향상된 점근적으로 최적의 희박성 한계를 달성한다.

ABSTRACT

This paper studies the problem of recovering a signal vector and the corrupted noise vector from a collection of corrupted linear measurements through the solution of a l1 minimization, where the sensing matrix is a partial Fourier matrix whose rows are selected randomly and uniformly from rows of a full Fourier matrix. After choosing the parameter in the l1 minimization appropriately, we show that the recovery can be successful even when a constant fraction of the measurements are arbitrarily corrupted, moreover, the proportion of corrupted measurement can grows arbitrarily close to 1, provided that the signal vector is sparse enough. The upper-bound on the sparsity of the signal vector required in this paper is asymptotically optimal and is better than those achieved by recent literatures [1, 2] by a ln(n) factor. Furthermore, the assumptions we impose on the signal vector and the corrupted noise vector are loosest comparing to the existing literatures [1-3], which lenders our recovery guarantees are more applicable. Extensive numerical experiments based on synthesis as well as real world data are presented to verify the conclusion of the proposed theorem and to demonstrate the potential of the l1 minimization framework.

연구 동기 및 목표

• 측정치의 상당 부분이 임의로 손상된 상황에서 희박한 신호를 복원하는 문제에 대응하기 위해.
• 심각한 측정치 손상에도 불구하고 높은 정확도를 유지하는 강건한 복원 프레임워크를 개발하기 위해.
• 압축 측정 기술에서 신호의 희박성과 손상 내성에 대한 기존 이론적 한계를 향상시키기 위해.
• 신호 및 노이즈 구조에 대한 가정을 완화하여 실세계 데이터에 대한 적용 가능성을 높이기 위해.

제안 방법

• 신호 벡터와 손상된 노이즈 벡터 양쪽에 대해 l1 최소화 문제로 복원 문제를 수립한다.
• 전체 푸리에 행렬에서 행을 균일하게 임의로 선택한 부분 푸리에 행렬을 감지 행렬로 사용한다.
• l1 최소화에 신호와 노이즈 복원 간의 균형을 맞추는 데 사용되는 매개변수를 도입하며, 이는 강건성에 최적화되어 있다.
• 랜덤 행렬 이론과 희박한 복원 원리에 기반한 이론적 분석을 활용하여 복원 보장을 도출한다.
• 측정치의 손상 비율이 1에 가까워지는 경우에도 정확한 복원이 가능한 조건을 설정한다.
• 합성 데이터 및 실세계 데이터를 대상으로 광범위한 수치 실험을 통해 방법을 검증한다.

실험 결과

연구 질문

• RQ1 일정 비율의 측정치가 임의로 손상된 상태에서 l1 최소화가 희박한 신호를 복원할 수 있는가?
• RQ2 제안된 프레임워크 하에서 정확한 신호 복원을 가능하게 하는 최대 손상 측정치 비율은 얼마인가?
• RQ3 신호 벡터가 필요한 희박성은 문제 크기와 어떻게 스케일링되며, 이는 점근적으로 최적인가?
• RQ4 기존 연구와 비교해 본 신호 및 노이즈 벡터에 대한 가정은 어떻게 다른가? 실용적 적용에 어떤 영향을 미치는가?
• RQ5 합성 기준과 비교해 실세계 데이터에서 이 방법은 어느 정도의 성능을 보이는가?

주요 결과

• 제안된 방법은 신호가 충분히 희박하다면 측정치의 손상 비율이 1에 가까워지는 경우에도 정확한 신호 복원이 가능하다.
• 복원을 위해 요구되는 신호 희박성의 상한은 점근적으로 최적이며, 이는 이전 연구보다 ln(n) 요소만큼 향상된다.
• 기존 문헌과 비교해 가장 느슨한 신호 및 노이즈 벡터에 대한 가정 조건 하에서도 이론적 보장이 유효하다.
• 수치 실험을 통해 합성 및 실세계 데이터에서 이론적 예측이 확인되었으며, 강건한 성능을 보였다.
• 이전 방법보다 내성 능력과 희박성 요구 조건 측면에서 뛰어난 성능을 유지하며 극도의 손상 수준에서도 높은 복원 정확도를 확보한다.