[논문 리뷰] Graph Signal Processing: Modulation, Convolution, and Sampling

J. Y. Shi, José M. F. Moura|arXiv (Cornell University)|2019. 12. 14.

Advanced Graph Neural Networks참고 문헌 52인용 수 12

한 줄 요약

이 논문은 스펙트럼 이론 그래프 신호 처리 프레임워크를 제안하며, 전통적인 디지털 신호 처리(DSP) 개념—변조, 컨볼루션, 샘플링—을 스펙트럼 이동 연산자 $M$과 스펙트럼 다항식 필터 $P(M)$를 정의하여 일반화한다. 이는 정점 도메인과 스펙트럼 도메인 간의 이중성(duality)을 가능하게 한다. 주요 기여는 $P(M)_{K_K}$의 역행렬을 통한 완전한 신호 복원을 보장하는 샘플링 프레임워크를 제공함으로써, 이전 방법들이 순환 그래프나 고리 그래프를 초월해 일반화하지 못하는 한계를 해결하는 것이다.

ABSTRACT

To analyze data supported by arbitrary graphs G, DSP has been extended to Graph Signal Processing (GSP) by redefining traditional DSP concepts like shift, filtering, and Fourier transform among others. This paper revisits modulation, convolution, and sampling of graph signals as appropriate natural extensions of the corresponding DSP concepts. To define these for both the vertex and the graph frequency domains, we associate with generic data graph G and its graph shift A, a graph spectral shift M and a spectral graph Gs. This leads to a spectral GSP theory that parallels in the graph frequency domain the existing GSP theory in the vertex domain. The paper applies this to design and recovery sampling techniques for data supported by arbitrary directed graphs.

연구 동기 및 목표

• 정점 도메인에서의 전통적 DSP 개념—변조, 컨볼루션, 샘플링—을 일반적인 그래프로 확장하기 위해 스펙트럼 대응 개념을 정의한다.
• 비순환 그래프에 대해 유효한 정점 도메인 샘플링 신호를 생성하지 못하는 기존 그래프 샘플링 방법의 모순을 해결한다.
• 전통적인 DSP를 반영하는 정점 도메인과 스펙트럼 도메인 샘플링 간의 이중성을 수립한다.
• 스펙트럼 이동 $M$과 다항식 필터 $P(M)$를 사용한 수학적으로 엄밀한 프레임워크를 제공하여, 고리 또는 순환 그래프를 초월한 일반화를 가능하게 한다.
• 이전 방법들이 스펙트럼 복제(예: [46])에 의존하는 바, 정점 도메인에서의 유효한 샘플링을 제공하지 못하고, $P(M)_{K_K}$의 역행렬이 없이도 복원이 불가능하다는 점을 입증한다.

제안 방법

• 그래프 이동 $A$에서 유도된 스펙트럼 이동 연산자 $M$을 정의하여 스펙트럼 도메인에서의 신호 처리를 가능하게 한다.
• 스펙트럼 다항식 필터 $P(M)$를 도입하여, 그래프 스펙트럼 도메인에서 $M$-이동 불변 필터로 작용한다.
• 이중성 수립: 정점 도메인에서의 변조는 $P(M)$에 의한 스펙트럼 도메인 필터링과 대응되며, 그 반대도 마찬가지다.
• 샘플링 신호 $\delta^{\text{(spl)}}$가 $P(M)$에서 유도되는 샘플링 프레임워크를 제안하여, $P(M)_{K_K}$의 역행렬을 통한 완전한 복원을 보장한다.
• 역 GFT를 사용하여 스펙트럼 샘플에서 신호를 복원하고, $P(M) \cdot \widehat{x}$가 양 도메인에서 진짜로 샘플링된 신호와 일치함을 검증한다.
• 반례를 통해 스펙트럼 복제(예: [46])에 의존하는 방법이 일반적인 그래프, 특히 경로 그래프에서 유효한 정점 도메인 샘플링을 생성하지 못함을 입증한다.

실험 결과

연구 질문

• RQ1 그래프 신호 처리에서 정점 도메인의 변조, 컨볼루션, 샘플링은 어떻게 자연스럽게 스펙트럼 도메인으로 확장될 수 있는가?
• RQ2 기존의 스펙트럼 샘플링 방법은 왜 일반적인 그래프, 특히 비순환 그래프에서 유효한 정점 도메인 샘플링 신호를 생성하지 못하는가?
• RQ3 스펙트럼 이동 연산자 $M$과 스펙트럼 다항식 필터 $P(M)$는 정점 도메인과 스펙트럼 도메인 처리 간의 이중성을 어떻게 가능하게 하는가?
• RQ4 그래프 샘플링에서 완전한 신호 복원은 어떻게 달성될 수 있으며, 샘플링 연산자는 어떤 조건을 만족해야 하는가?
• RQ5 기존 DSP에서의 복제 효과는 왜 일반적인 그래프로 일반화되지 않으며, GSP에서 올바른 복원 메커니즘은 무엇인가?

주요 결과

• 일반적으로 스펙트럼 이동 $M$은 그래프 이동 $A$와 같지 않으며, $G_s \neq G$이므로 GSP에서 스펙트럼 도메인과 정점 도메인은 서로 구별된다.
• 스펙트럼 복제와 저역통과 필터링에 의존하는 [46]의 방법은 경로 그래프에서 유효한 정점 도메인 샘플링 신호를 생성하지 못하며, 복원된 신호에 0이 없고 원래 신호와도 일치하지 않는다.
• GSP 샘플링에서 완전한 복원을 위해서는 단지 저역통과 필터를 적용하는 것 외에 $P(M)_{K_K}$의 역행렬을 취해야 하며, 이는 DSP에서는 $P(M)_{K_K} = I_K$이기 때문에만 유효하다.
• 이 작업에서 제안한 방법 $P(M) \cdot \widehat{x}$는 $N=10$인 경로 그래프 예제에서 정점 도메인과 스펙트럼 도메인 양쪽 모두에서 진짜로 샘플링된 신호와 완벽하게 일치한다.
• 이 작업에서 유도된 샘플링 신호 $\delta^{\text{(spl)}}$는 [31]의 것과 동일하지만, 스펙트럼 이동과 이중성의 원리로부터 제1원리적으로 유도되었다.
• 식 (155)의 $A$와 $x = [-1.992, 0.93, -0.314, -0.577]^T$를 사용한 예시에서, [46]의 방법은 0이 없고 원래 신호와 관련이 없는 신호를 생성함을 보여, 비순환 그래프에 대해 실패함을 입증한다.