[논문 리뷰] Fast and Efficient Sparse 2D Discrete Fourier Transform using Sparse-Graph Codes

Frank Ong, Sameer Pawar외 1명|arXiv (Cornell University)|2015. 09. 19.

Sparse and Compressive Sensing Techniques참고 문헌 9인용 수 11

한 줄 요약

이 논문은 희박 그래프 코드, 부분 샘플링, 앨리어싱, 그리고 중국인법의 정리를 사용하여 희박 2차원 이산 푸리에 변환을 계산하기 위한 새로운 알고리즘인 2D-FFAST를 제안한다. $k/N \to 0$ 인 $k$-희박 신호에 대해 $O(k)$ 측정값과 $O(k\log k)$ 계산 시간을 달성하여 이미지와 같은 희박 2차원 신호의 빠르고 저복잡도의 복원을 가능하게 한다.

ABSTRACT

We present a novel algorithm, named the 2D-FFAST, to compute a sparse 2D-Discrete Fourier Transform (2D-DFT) featuring both low sample complexity and low computational complexity. The proposed algorithm is based on mixed concepts from signal processing (sub-sampling and aliasing), coding theory (sparse-graph codes) and number theory (Chinese-remainder-theorem) and generalizes the 1D-FFAST 2 algorithm recently proposed by Pawar and Ramchandran [1] to the 2D setting. Concretely, our proposed 2D-FFAST algorithm computes a k-sparse 2D-DFT, with a uniformly random support, of size N = Nx x Ny using O(k) noiseless spatial-domain measurements in O(k log k) computational time. Our results are attractive when the sparsity is sub-linear with respect to the signal dimension, that is, when k -> infinity and k/N -> 0. For the case when the spatial-domain measurements are corrupted by additive noise, our 2D-FFAST framework extends to a noise-robust version in sub-linear time of O(k log4 N ) using O(k log3 N ) measurements. Simulation results, on synthetic images as well as real-world magnetic resonance images, are provided in Section VII and demonstrate the empirical performance of the proposed 2D-FFAST algorithm.

연구 동기 및 목표

• 기존 압축 감지 방법보다 계산 및 샘플 효율성이 뛰어난 희박 2D-DFT를 계산하기 위한 저복잡도 알고리즘 개발.
• 부분 샘플링, 앨리어싱, 희박 그래프 코드를 사용하여 1D-FFAST 프레임워크를 2차원 신호로 확장.
• 공약수 또는 비공약수 차원을 가진 2차원 신호로 일반화하면서도 1D-FFAST의 복원 보장을 유지.
• 실세계 응용을 위한 노이즈 내성 변형 설계.
• 이론적 주장의 검증을 위해 합성 및 실제 MRI 데이터에서의 경험적 성능 제시.

제안 방법

• 중국인법의 정리를 기반으로 한 2D 부분 샘플링 전략을 사용하여 앨리어싱 패턴을 유도함으로써 DFT 도메인에서 희박 그래프 코드를 생성.
• 각 부분 샘플링 단계는 앨리어징된 2D-DFT를 생성하며, 이는 비제로 DFT 계수들이 측정 버킷과 이분 그래프 구조를 통해 연결되는 희박 그래프로 간주됨.
• 복원 과정은 희박 DFT 계수를 앨리어징된 측정값에서 복원하기 위해 온리언 피링 스타일 반복 알고리즘을 사용.
• 노이즈 내성 확보를 위해 각 단계당 $O(\log N)$의 지연 체인을 통합하여 1D-FFAST의 노이즈 내성 기법을 2D로 확장.
• 신호 차원 $N_x$와 $N_y$의 공약수 분해를 통해 2D 지지 복원을 1D-FFAST 아키텍처로 매핑함으로써 이론적 복원 보장을 확보.
• 2D 나머지 인덱스를 단일 정수로 재라벨링하는 방식을 통해 2D 이분 그래프를 분석 및 복원에 적합한 1D 유사 구조로 변환.

실험 결과

연구 질문

• RQ1 1D-FFAST 프레임워크는 희박 2D DFT로 일반화될 수 있는가? 이때 샘플 및 계산 복잡도는 저수준을 유지할 수 있는가?
• RQ2 2D에서의 부분 샘플링과 앨리어싱은 어떻게 활용되어 신속한 복원에 적합한 희박 그래프 코드 구조를 만들 수 있는가?
• RQ3 2D-FFAST 알고리즘의 이론적 복원 성능은 $k$-희박 2차원 신호에 대해 측정 및 계산 복잡도 측면에서 어떻게 되는가?
• RQ4 실제 응용에서 추가된 백색 가우시안 노이즈에 대해 2D-FFAST 프레임워크는 어떻게 내성적으로 만들 수 있는가?
• RQ5 이론적 점근적 및 확률적 보장이 존재하는 한 2D-FFAST 알고리즘은 MRI와 같은 실세계 영상 데이터에 얼마나 널리 적용될 수 있는가?

주요 결과

• 2D-FFAST 알고리즘은 $k = o(N)$ 일 때, $O(k)$의 노이즈 없는 공간 도메인 측정값과 $O(k\log k)$의 계산 시간으로 $k$-희박 2D-DFT를 계산한다.
• 노이즈 있는 측정값에 대해서는 $O(k\log^4 N)$의 시간 내에 복원을 달성하며, $O(k\log^3 N)$의 측정값을 사용하여 비선형 복잡도를 유지한다.
• 비제로 DFT 계수의 균일 무작위 지지 모델 하에서 큰 $k$와 $N$에 대해 점점 1에 수렴하는 확률로 알고리즘이 성공한다.
• 2D 이분 그래프의 1D-FFAST 아키텍처로의 매핑을 통해 2D-FFAST 프레임워크는 이론적으로 기반을 두며, $\delta = 2/3$ 및 일반적인 $\delta < 1$에 대해 복원 보장을 유지한다.
• 합성 이미지 및 실제 MRI 데이터에 대한 시뮬레이션 결과는 알고리즘의 경험적 효능을 확인하며, 저샘플링 비율에서도 빠르고 정확한 재구성 성능을 보여준다.
• 이 방법은 저전력 및 신속한 복원이 중요한 MRI 및 CT와 같은 영상 시스템에서 실시간 신호 분석을 실현 가능하게 한다.