[논문 리뷰] Detection of Markov Random Fields on Two-Dimensional Intersymbol Interference Channels

Ying Zhu, Taikun Cheng외 2명|ArXiv.org|2006. 09. 27.

Cellular Automata and Applications참고 문헌 12인용 수 3

한 줄 요약

이 논문은 2차원 광학 및 자기 저장 시스템에서 이미지 상관관계를 이용하기 위해 소프트인풋/소프트아웃 2차원 인터심볼 간섭(ISI) 검출기와 마르코프 무작위장(MRF) 검출기를 결합한 새로운 반복적 검출 알고리즘을 제안한다. 일阶 이진 MRF 모델과 반복적 외부 정보 교환을 활용함으로써, ISI 전용 검출 대비 0.5–2.0 dB의 SNR 향상을 달성하며, MRF 모수 불일치에 대해서도 강건하고 자연 이진 이미지에서 뛰어난 성능을 발휘한다.

ABSTRACT

We present a novel iterative algorithm for detection of binary Markov random fields (MRFs) corrupted by two-dimensional (2D) intersymbol interference (ISI) and additive white Gaussian noise (AWGN). We assume a first-order binary MRF as a simple model for correlated images. We assume a 2D digital storage channel, where the MRF is interleaved before being written and then read by a 2D transducer; such channels occur in recently proposed optical disk storage systems. The detection algorithm is a concatenation of two soft-input/soft-output (SISO) detectors: an iterative row-column soft-decision feedback (IRCSDF) ISI detector, and a MRF detector. The MRF detector is a SISO version of the stochastic relaxation algorithm by Geman and Geman in IEEE Trans. Pattern Anal. and Mach. Intell., Nov. 1984. On the 2 x 2 averaging-mask ISI channel, at a bit error rate (BER) of 10^{-5}, the concatenated algorithm achieves SNR savings of between 0.5 and 2.0 dB over the IRCSDF detector alone; the savings increase as the MRFs become more correlated, or as the SNR decreases. The algorithm is also fairly robust to mismatches between the assumed and actual MRF parameters.

연구 동기 및 목표

• 기존 2D ISI 검출기가 i.i.d. 이미지 입력을 가정함으로써 실세계의 이미지 상관관계를 반영하지 못하는 성능 한계를 해결하기 위해.
• 자연적이고 압축되지 않은 이미지의 내재된 공간적 상관관계를 일阶 이진 마르코프 무작위장(MRF)으로 모델링하여 이를 활용하기 위해.
• 기존 2D ISI 검출기와 연결될 수 있는 소프트인풋/소프트아웃(SISO) MRF 검출기를 개발하기 위해.
• 가장 가정된 MRF 모수와 실제 모수 간 불일치에 대한 연결된 검출기의 강건성을 평가하기 위해.
• 실제 자연 이진 이미지인 'chair'와 'man'과 같은 이미지에서 MRF 모델의 실용적 유용성을 입증하기 위해.

제안 방법

• 이론적으로 '터보 원리'에 기반한 연결된 반복 검출기 구조를 사용하며, 반복적 행-열 소프트디시전 피드백(IRCSDF) ISI 검출기와 SISO MRF 검출기를 조합한다.
• ISI 검출기는 행과 열에 대해 BCJR 알고리즘을 적용하고 소프트 디시전 피드백을 사용하며, 가중치가 부여된 LLR 추정치를 이용해 인터심볼 간섭을 완화한다.
• MRF 검출기는 제임스와 제임스가 제안한 스토케스틱 리프래시먼트 알고리즘의 SISO 버전으로, 노이즈가 섞이고 손상된 관측치로부터 원래 MRF를 추정하는 데 사용된다.
• ISI 검출기와 MRF 검출기 간에 반복적으로 외부 로그우도비(LLR)를 교환하여 추정치를 정밀화하고 검출 정확도를 향상시킨다.
• ISI 검출기에서 i.i.d. 픽셀 가정을 보장하기 위해 입력 이미지를 {0,1}에서 {-1,1}로 인터리빙 및 레벨시프트 처리한다.
• MRF는 이징 모델을 사용하여 이중 매개변수 에너지 함수로 모델링되며, 검출기는 MRF 모수(β 포함)를 사전에 알고 있다고 가정한다.

실험 결과

연구 질문

• RQ1 일阶 MRF 모델을 이용해 이미지 상관관계를 활용하면 2D ISI 검출에서 상당한 SNR 향상이 이루어지는가?
• RQ2 이미지 상관관계의 정도(즉, MRF 매개변수 β)에 따라 연결된 MRF-ISI 검출기의 성능은 어떻게 변하는가?
• RQ3 가장 가정된 MRF 모수와 실제 모수 간 불일치에 대해 검출기는 얼마나 강건한가?
• RQ4 간단한 일阶 MRF 모델이 2D ISI 완화를 위한 실제 자연 이진 이미지를 효과적으로 모델링할 수 있는가?
• RQ5 실제 이미지에서 제안된 방법이 ISI 전용 검출 대비 어떤 성능 향상을 보이는가?

주요 결과

• 2×2 평균화 마스크 ISI 채널에서, BER가 10⁻⁵일 때 연결된 검출기는 IRCSDF 검출기 전용 대비 0.5–2.0 dB의 SNR 향상을 달성하며, 이미지 상관관계가 높을수록 향상 폭이 커진다.
• 알고리즘이 MRF 모수 불일치에 강건함: 고 SNR에서 잘못된 β 값(예: β = -0.5, -0.75, -3.0)은 정확한 β 대비 0.2–0.3 dB의 손실만을 초래하며, 여전히 ISI 전용 검출보다 우수한 성능을 보인다.
• 저 SNR에서는 심지어 큰 불일치(예: 진짜 β = -1.5일 때 가정된 β = -4.5)도 정확한 모델과 거의 동일한 성능을 보이며 강건성을 입증한다.
• 높은 상관관계를 가진 MRF(예: β = -3.0)에서는 다양한 가정된 β 값(−1.5에서 −10.0)이 ISI 전용 검출 대비 1 dB 이상의 향상을 제공한다.
• 자연 이진 이미지 'chair'와 'man'에서, 연결된 검출기는 다양한 β 값 범위에서 ISI 전용 검출 대비 1–2 dB의 SNR 절감을 달성하며 실용적 유용성을 입증한다.
• 결과적으로, 정확한 모델 추정 없이도 실제 이미지에서 2D-ISI 완화에 대해 일阶 MRF 모델이 매우 효과적이고 강건한 근사 모델임을 시사한다.