[논문 리뷰] Multi-dimensional Spectral Super-Resolution with Prior Knowledge via Frequency-Selective Vandermonde Decomposition and ADMM

Yinchuan Li, Xiaodong Wang외 1명|arXiv (Cornell University)|2019. 06. 01.

Sparse and Compressive Sensing Techniques참고 문헌 48인용 수 6

한 줄 요약

이 논문은 주파수 간격에 대한 사전 지식을 주파수 선택적(FS) 원자 노름 최소화와 ADMM 기반 최적화를 통해 활용하는 다차원(MD) 스펙트럼 초해상도 방법을 제안한다. 블록 토플리츠 행렬의 MD 주파수 선택적 바르모데 분해를 이용해 비볼록 초해상도 문제를 다룰 수 있는 정준형 프로그래밍(SDP)으로 변환함으로써, 낮은 질량 텐서 모델과 완전하지도 않거나 노이즈가 있는 데이터 하에서 고해상도 주파수 추정을 달성한다.

ABSTRACT

This paper is concerned with estimation of multiple frequencies from incomplete and/or noisy samples based on a low-CP-rank tensor data model where each CP vector is an array response vector of one frequency. Suppose that it is known a priori that the frequencies lie in some given intervals, we develop efficient super-resolution estimators by exploiting such prior knowledge based on frequency-selective (FS) atomic norm minimization. We study the MD Vandermonde decomposition of block Toeplitz matrices in which the frequencies are restricted to lie in given intervals. We then propose to solve the FS atomic norm minimization problems for the low-rank spectral tensor recovery by converting them into semidefinite programs based on the MD Vandermonde decomposition. We also develop fast solvers for solving these semidefinite programs via the alternating direction method of multipliers (ADMM), where each iteration involves a number of refinement steps to utilize the prior knowledge. Extensive simulation results are presented to illustrate the high performance of the proposed methods.

연구 동기 및 목표

• 특정 주파수 간격 내에 존재할 것으로 알려진 주파수를 고려할 때, 다차원(MD) 스펙트럼 초해상도의 과제를 해결한다.
• 사전 지식 통합이 부족한 전통적인 압축 측정 및 원자 노름 방법의 한계를 극복한다.
• 완전하지 않거나 노이즈가 있는 측정 하에서 낮은 질량 텐서 기반 스펙트럼 추정을 위한 프레임워크를 개발한다.
• 사전 지식을 통합할 수 있도록 조정된 ADMM 기반 솔버를 통해 초해상도의 효율적 계산을 가능하게 한다.
• 낮은 질량 텐서 가정 하에서 MD-FS 원자 노름 최소화와 정준형 프로그래밍(SDP) 간의 이론적 동치성을 확립한다.

제안 방법

• 주파수 제약 조건을 모델링하기 위해 d단계 블록 토플리츠 행렬의 다차원 주파수 선택적(FS) 바르모데 분해를 활용한다.
• MD-FS 바르모데 분해를 사용하여 MD-FS 원자 노름 최소화 문제를 정준형 프로그래밍(SDP)으로 변환한다.
• 수렴이 빠르고 반복 단계에서 사전 지식을 통합할 수 있도록, 교대 방향 승수법(ADMM)을 사용해 유도된 SDP를 효율적으로 해결한다.
• 스펙트럼 초해상도 및 성능 분석을 지원하기 위해 이중 문제로부터 유도된 이중 다항식 표현을 도입한다.
• 주파수 간격에 해당하는 정준형 행렬 블록의 준정부호 조건을 통해 SDP에 제약 조건을 부과하여 주파수 지지 집합이 알려진 영역 내에 있도록 보장한다.
• 기저 스펙트럼 텐서가 낮은 질량일 조건 하에서 MD-FS 원자 노름과 제안된 SDP 공식화 간의 이론적 동치성을 확립한다.

실험 결과

연구 질문

• RQ1 주파수 간격에 대한 사전 지식가 주파수 간격에 대해 효과적으로 통합되어 다차원 스펙트럼 초해상도의 정확도를 향상시킬 수 있는가?
• RQ2 1차원에서 다차원(MD) 설정으로의 주파수 선택적(FS) 원자 노름을 낮은 질량 텐서 복원에 대해 일반화할 수 있는가?
• RQ3 낮은 질량 텐서 모델 하에서 MD-FS 원자 노름 최소화와 정준형 프로그래밍(SDP) 간의 관계는 무엇인가?
• RQ4 다중 주파수 간격 제약 조건을 가진 고차원 SDP 문제를 효율적으로 해결하기 위해 ADMM를 어떻게 적응시킬 수 있는가?
• RQ5 MD-FS 원자 노름 최소화의 이중 문제로부터 유도된 이중 다항식을 사용해 초해상도 성능을 검증할 수 있는가?

주요 결과

• 제안된 방법은 주파수 간격에 대한 사전 지식을 활용하여, 서브니크스트 샘플링 및 노이즈 조건 하에서도 고해상도 스펙트럼 추정을 달성한다.
• 기저 텐서가 낮은 질량일 경우, MD-FS 원자 노름 최소화 문제는 이론적으로 제안된 SDP 공식화와 동치이다.
• ADMM 기반 솔버는 반복 단계에서 사전 지식을 통합할 수 있도록 반복적으로 개선되는 효율적인 SDP 계산을 가능하게 한다.
• 이중 문제로부터 유도된 이중 다항식은 해의 최적성 검증 및 초해상도 성능 분석에 사용될 수 있다.
• 광범위한 시뮬레이션 결과, 기존의 원자 노름 및 압축 측정 방법에 비해 주파수 추정 정확도와 노이즈에 대한 강인성 면에서 제안된 방법이 뛰어나다는 것이 입증되었다.
• 주파수 선택적 제약 조건의 구조와 낮은 질량 텐서 모델을 활용함으로써, 기존의 표준 SDP 솔버에 비해 계산 복잡도를 효과적으로 감소시켰다.