[논문 리뷰] On the Shift Operator and Optimal Filtering in Graph Signal Processing.

Adnan Gavili, Xiao–Ping Zhang|arXiv (Cornell University)|2015. 11. 06.

Advanced Graph Neural Networks인용 수 4

한 줄 요약

이 논문은 기존의 인접 행렬 또는 라플라시안 행렬을 사용하는 방법과 달리 신호 에너지를 유지하는 새로운 그래프 시프트 연산자를 제안한다. 이는 모든 이동 불변 그래프 필터가 이 연산자의 다항식임을 보여줌으로써 그래프에서 최적의 필터링을 위한 기초를 마련하며, 그래프 특화의 위너 필터를 유도하고 고전적 위너 필터링이 방향성 순환 그래프에서 특수한 경우임을 증명한다.

ABSTRACT

Defining a sound shift operator for signals existing on a certain graph structure, similar to the well-defined shift operator in classical signal processing, is a crucial problem in graph signal processing. Since almost all operations, such as filtering, transformation, prediction, etc., are directly related to the graph shift operator. We define a unique set of shift operators that satisfy all properties of the shift operator in the classical signal processing, especially energy preservation property. Our definition of the graph shift operator negates the shift operators defined in the literature, such as the extit{graph adjacency matrix} as the shift operator, and extit{Laplacian matrix} based shift operators, etc., which modify the energy of a graph signal. We further show that any shift invariant graph filter can be written as a polynomial function of the graph shift operator. We also show that the adjacency matrix of a graph is indeed a linear shift invariant graph filter with respect to the defined shift operator. Inheriting the concepts of finite impulse response (FIR) and infinite impulse from classical signal processing, we introduce graph finite impulse response (GFIR) and graph infinite impulse response (GIIR) filters and obtain explicit forms for such filters. We further obtain the optimal filtering on graphs, i.e., the corresponding \emph{Wiener} filtering on graphs, and elaborate on the structure of such filters for any arbitrary graph structure. We specially treat the directed cyclic graph and show that the optimal linear shift invariant filter is indeed the \emph{Wiener} filter in classical signal processing. This result show that, optimal linear time invariant filters for time series data is a subset of optimal graph filters. We also elaborate on the best linear predictor graph filters and optimal filters for product graphs.

연구 동기 및 목표

• 기존 그래프 신호 처리 프레임워크의 핵심 한계를 해결하기 위해, 그래프 신호 에너지를 유지하는 그래프 시프트 연산자를 정의하는 것.
• 제안된 시프트 연산자의 다항식 함수로 표현할 수 있음을 보여줌으로써, 이동 불변 그래프 필터링에 대한 엄밀한 기초를 마련하는 것.
• 임의의 그래프에서 최적의 선형 필터(예: 그래프 FIR 및 IIR 필터, 그래프 위너 필터 포함)를 유도하는 것.
• 고전적 위너 필터링이 시간 시리즈에서 어떻게 제안된 최적의 그래프 필터링 프레임워크의 특수한 경우로 나타나는지 보여주는 것.
• 제안된 시프트 연산자 프레임워크를 활용해 제품 그래프에 대한 최적의 선형 예측 및 필터링을 분석하는 것.

제안 방법

• 그래프의 구조에서 유도된 유일한 그래프 시프트 연산자를 정의함으로써, 특히 에너지 보존을 포함한 모든 고전적 신호 처리 성질을 만족시키는 것.
• 모든 이동 불변 그래프 필터가 제안된 시프트 연산자의 다항식으로 표현될 수 있음을 증명함으로써, 일관된 필터 설계 프레임워크를 확보하는 것.
• 고전적 FIR/IIR 필터와 유사한 그래프 유한 임펄스 응답(GFIR) 및 그래프 무한 임펄스 응답(GIIR) 필터를 도입하고, 명시적인 해석적 표현을 유도하는 것.
• 시프트 연산자 프레임워크 하에서 최소 평균 제곱 오차 문제를 해결함으로써 그래프용 최적의 위너 필터를 도출하는 것.
• 방향성 순환 그래프에 프레임워크를 적용하여 최적의 그래프 필터가 고전적 위너 필터로 정확히 축소됨을 보여주며, 시간 시리즈와 그래프 필터링 간의 이론적 연결 고리를 확립하는 것.
• 제품 그래프로 프레임워크를 확장하여 구조화된 그래프 구조에서 최적의 필터링 및 예측을 분석하는 것.

실험 결과

연구 질문

• RQ1 기존의 인접 행렬 또는 라플라시안 행렬과 달리 그래프 신호의 에너지를 유지하는 그래프 시프트 연산자를 어떻게 정의할 수 있는가?
• RQ2 모든 이동 불변 그래프 필터가 잘 정의된 시프트 연산자의 다항식 함수로 표현될 수 있는가? 이 표현의 의미는 무엇인가?
• RQ3 제안된 시프트 연산자 프레임워크 하에서 최적의 선형 필터(예: 위너 필터)의 명시적 형태는 무엇인가?
• RQ4 고전적 위너 필터링이 시간 시리즈에서 제안된 최적의 그래프 필터링 프레임워크의 특수한 경우로 나타나는가?
• RQ5 새로운 시프트 연산자를 사용하여 제품 그래프에 대한 최적의 선형 예측 및 필터링을 어떻게 수식화할 수 있는가?

주요 결과

• 제안된 그래프 시프트 연산자는 인접 행렬 및 라플라시안 행렬과 달리 신호 에너지를 유일하게 유지한다.
• 모든 이동 불변 그래프 필터는 수학적으로 제안된 시프트 연산자의 다항식 함수로 동치이며, 이는 통합된 필터 설계 접근법을 가능하게 한다.
• 그래프의 인접 행렬이 새로운 시프트 연산자에 대해 선형 이동 불변 필터임이 입증되어, 이는 프레임워크 내에서의 일관성을 검증한다.
• 그래프 유한 임펄스 응답(GFIR) 및 그래프 무한 임펄스 응답(GIIR) 필터가 명시적인 해석적 표현과 함께 공식적으로 정의되며, 고전적 필터 개념이 그래프로 확장됨을 보여준다.
• 임의의 그래프 구조에 대해 최적의 그래프 위너 필터가 도출되어, 그래프에서 최적의 신호 추정을 위한 원칙적인 방법을 제공한다.
• 방향성 순환 그래프에서 최적의 선형 이동 불변 그래프 필터는 정확히 고전적 위너 필터로 축소되며, 고전적 시간 시리즈 필터링이 최적의 그래프 필터링의 부분집합임을 증명한다.