[논문 리뷰] Multi-dimensional Sublinear Sparse Fourier Algorithm

Bosu Choi, Andrew Christlieb외 1명|arXiv (Cornell University)|2016. 06. 23.

Sparse and Compressive Sensing Techniques참고 문헌 8인용 수 5

한 줄 요약

이 논문은 부분적 펼침과 기울임 기법을 사용하여 고차원 신호의 희소 푸리에 변환을 효율적으로 계산하는 다차원 비선형 희소 푸리에 알고리즘을 제시한다. 전체 신호를 일차원으로 완전히 펼치지 않기 때문에, 알고리즘은 비선형 실행 시간 및 샘플링 복잡도를 달성하며, 기존의 일차원 희소 FFT 결과를 더 높은 차원으로 확장하여 확장성 향상을 이룬다.

ABSTRACT

In this paper, we discuss the development of a sublinear sparse Fourier algorithm for high-dimensional data. In Adaptive Sublinear Time Fourier Algorithm by D. Lawlor, Y. Wang and A. Christlieb (2013), an efficient algorithm with empirically $O(k\log k)$ runtime and $O(k)$ sampling complexity for the one-dimensional sparse FFT was developed for signals of bandwidth $N$, where $k$ is the number of significant modes such that $k\ll N$. In this work we develop an efficient algorithm for sparse FFT for higher dimensional signals, extending some of the ideas in the paper mentioned above. Note a higher dimensional signal can always be unwrapped into a one dimensional signal, but when the dimension gets large, a higher dimensional signal into a one dimensional array is far too expensive to be realistic. Our approach here introduces two new concepts; partial unwrapping and tilting. These two ideas allow us to efficiently compute the sparse FFT of higher dimensional signals.

연구 동기 및 목표

• 고차원 신호에 대해 전체 일차원 펼침이 계산적으로 불가능한 문제를 해결하기 위해.
• 일차원 비선형 희소 푸리에 변환 알고리즘을 더 높은 차원으로 확장하면서도 효율성을 유지하기 위해.
• k ≪ N 인 고차원 희소 신호에서 샘플링 및 실행 시간 복잡도를 줄이기 위해.
• 전체 차원 확장을 통한 지수적 비용을 피하는 확장 가능한 방법을 개발하기 위해.

제안 방법

• 전체적으로 일차원으로 변환하지 않고도 고차원 신호를 처리하기 위해 부분적 펼침을 도입한다.
• 더 높은 차원에서 효율적인 희소 푸리에 변환 계산을 위해 주파수 성분을 재정렬하기 위해 기울임 기법을 적용한다.
• 일차원 적응형 비선형 푸리에 변환 알고리즘의 핵심 원리를 다차원 환경에 적응시킨다.
• 더 높은 차원에서 O(k) 샘플링 복잡도를 유지하는 구조화된 샘플링 전략을 사용한다.
• 주파수 도메인의 희소성 이용을 통해 유의미한 모드 수 k에 대해 비선형 실행 시간을 달성한다.

실험 결과

연구 질문

• RQ1 전체 차원 확장을 피하면서도 일차원 비선형 희소 푸리에 변환을 다차원 신호로 어떻게 확장할 수 있는가?
• RQ2 고차원 희소 푸리에 변환에서 효율적인 샘플링과 계산을 가능하게 하는 기법은 무엇인가?
• RQ3 부분적 펼침과 기울임이 다차원 신호 처리에서 계산 비용을 줄이면서도 정확도를 유지할 수 있는가?
• RQ4 희소성 제약 조건 하에서 다차원 희소 푸리에 변환의 도달 가능한 샘플링 및 실행 시간 복잡도는 무엇인가?

주요 결과

• 제안된 알고리즘은 고차원 희소 신호에서 비선형 실행 시간과 O(k) 샘플링 복잡도를 달성하며, 일차원 결과를 확장한다.
• 부분적 펼침은 전체 일차원 변환의 금지된 비용 없이 고차원 신호의 효율적 처리를 가능하게 한다.
• 기울임은 다차원 푸리에 공간에서 주파수 성분의 정확한 국소화를 가능하게 하여 계산 효율성을 향상시킨다.
• 전체 신호 확장을 일차원으로 피하기 때문에, 큰 차원에 대해서도 확장성이 유지된다.