[논문 리뷰] Fourier-sparse interpolation without a frequency gap

Xuebo Chen, Daniel M. Kane외 2명|arXiv (Cornell University)|2016. 09. 06.

Sparse and Compressive Sensing Techniques참고 문헌 3인용 수 5

한 줄 요약

이 논문은 최소 주파수 간격이 필요하지 않은 푸리에 희소 신호 보간을 위한 새로운 알고리즘을 제안하며, $\ell_2$-유계 노이즈 하에서 강건한 복원을 달성한다. 다항식 근사, 해시 함수, 필터 기반 주파수 클러스터링을 활용하여 $k$-푸리에 희소 신호를 $\operatorname{poly}(k,\log(1/\delta))\cdot\log(FT)$개의 샘플과 일정한 노이즈 증폭으로 추정하며, 주파수가 임의로 가까이 있어도 성능을 유지도한다.

ABSTRACT

We consider the problem of estimating a Fourier-sparse signal from noisy samples, where the sampling is done over some interval $[0, T]$ and the frequencies can be "off-grid". Previous methods for this problem required the gap between frequencies to be above 1/T, the threshold required to robustly identify individual frequencies. We show the frequency gap is not necessary to estimate the signal as a whole: for arbitrary $k$-Fourier-sparse signals under $\ell_2$ bounded noise, we show how to estimate the signal with a constant factor growth of the noise and sample complexity polynomial in $k$ and logarithmic in the bandwidth and signal-to-noise ratio. As a special case, we get an algorithm to interpolate degree $d$ polynomials from noisy measurements, using $O(d)$ samples and increasing the noise by a constant factor in $\ell_2$.

연구 동기 및 목표

• 기존의 푸리에 희소 보간 방법에서 $1/T$의 최소 주파수 간격이 필요로 하는 한계를 해결하기 위해.
• 주파수 간격을 요구하지 않고도 $\ell_2$-유계 노이즈 하에서 $k$-푸리에 희소 신호를 추정할 수 있는 알고리즘을 설계하기 위해.
• 샘플 복잡도를 $k$에 대해 다항식이며 대역폭과 SNR에 대해 로그함수로 유지하면서, 일정한 노이즈 증폭을 달성하기 위해.
• 도함수 $d$의 다항식을 노이즈가 있는 샘플로부터 $O(d)$개의 샘플과 일정한 노이즈 성장률로 보간할 수 있도록 방법을 확장하기 위해.

제안 방법

• 다항식 근사 프레임워크를 사용하여 $k$-푸리에 희소 신호를 도함수 $d$의 다항식으로 표현함으로써 강건한 보간을 가능하게 한다.
• 해시 함수와 필터 함수를 활용하여 가까운 주파수를 클러스터링하고 문제를 하나의 클러스터 신호 복원 문제로 변환한다.
• 집중 경계를 적용한 강건한 다항식 보간 알고리즘을 사용하여 노이즈가 존재하는 상황에서도 $O(k)$개의 샘플로 신호를 추정한다.
• 성공 확률을 $1 - 2^{-\Omega(k)}$로 높이기 위해 $O(k)$개의 병렬 실행과 중앙값 기반 집합 평균을 활용한 부스팅 기법을 적용한다.
• 그램 행렬 행렬식 경계와 변형 분석을 활용하여 주파수 정렬 오차에 대한 안정성을 확보한다.
• 필터링과 부분공간 근사 기법을 통해 $k$-클러스터 신호 복원 문제를 일련의 하나의 클러스터 신호 복원 문제로 변환한다.

Figure 1: A picture of a $\operatorname{Comb}_{s}$ , $\operatorname{rect}_{s}$ , $\operatorname{sinc}_{s}$ , $\operatorname{Gaussian}_{\mu,\sigma}$ .

실험 결과

연구 질문

• RQ1 성분 간 최소 주파수 간격이 필요 없이 푸리에 희소 신호 보간을 달성할 수 있는가?
• RQ2 임의의 주파수 간격 하에서 $k$-푸리에 희소 신호에 대해 $\ell_2$ 노름에서 일정한 노이즈 증폭을 달성할 수 있는가?
• RQ3 도함수 $d$의 다항식을 $O(d)$개의 노이즈 있는 샘플로부터 일정한 노이즈 성장률로 강건하게 보간할 수 있는가?
• RQ4 낮은 샘플 복잡도를 유지하면서 성공 확률을 $1 - 2^{-\Omega(k)}$로 부스팅할 수 있는가?
• RQ5 주파수가 잘 분리되어 있지 않은 경우에도 신호 추정 오차를 평균 노름과 노이즈의 노름에 따라 경계로 제한할 수 있는가?

주요 결과

• 성공 확률이 $1 - 2^{-\Omega(k)}$인 상황에서 주파수 간격이 없더라도 $\left\|\widetilde{x} - x^*\right\|_T \lesssim \left\|g\right\|_T + \delta\left\|x^*\right\|_T$를 달성한다.
• 샘플 복잡도는 $\operatorname{poly}(k,\log(1/\delta)) \cdot \log(FT)$이며, $k$에 대해 다항식이고 대역폭과 SNR에 대해 로그함수이다.
• 노이즈 증폭은 $k$, $F$, $T$에 독립적인 상수 요인으로 제한되며, 소규모 노이즈에 대한 강건성을 보장한다.
• 방법은 $O(d)$개의 샘플로 도함수 $d$의 다항식을 $\ell_2$ 노름에서 일정한 노이즈 성장률로 복원한다.
• $O(k)$개의 병렬 실행과 중앙값 기반 집합 평균을 통해 성공 확률을 $1 - 2^{-\Omega(k)}$로 부스팅한다.
• 출력 $\widetilde{x}(t)$는 $\operatorname{poly}(k,\log(1/\delta))$-푸리에 희소 신호이므로 효율적인 표현을 보장한다.

Figure 2: The filter function $(H(t),\widehat{H}(f))$ with a $k$ -Fourier-sparse signal. The property \@slowromancap i@, \@slowromancap ii@ and \@slowromancap iii@ are presented in the bottom one, the property \@slowromancap iv@ is presented in the top one.