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

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

Advanced Graph Neural Networks참고 문헌 15인용 수 6

한 줄 요약

이 논문은 고전적 신호 처리와 유사한 엄밀한 그래프 신호 처리 프레임워크를 가능하게 하는 새로운 에너지 보존 그래프 시프트 연산자를 제안한다. 그래프 구조를 고유값에서 분리하고 선형 이동 불변 필터를 정의함으로써, 정확한 해를 가진 그래프 푸리에 변환, 상관 함수, 최적 위너 필터링을 수립한다. 기존의 인접행렬 또는 라플라시안 기반 연산자들이 신호 에너지를 왜곡하는 한계를 극복한다.

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, are directly related to the graph shift operator. We define a set of energy-preserving shift operators that satisfy many properties similar to their counterparts in classical signal processing. Our definition of the graph shift operator negates the shift operators defined in the literature, such as the graph adjacency matrix and Laplacian matrix based shift operators, which modify the energy of a graph signal. We decouple the graph structure represented by eigengraphs and the eigenvalues of the adjacency matrix or the Laplacian matrix. We show that the adjacency matrix of a graph is indeed a linear shift invariant (LSI) graph filter with respect to the defined shift operator. We introduce graph finite impulse response (GFIR) and graph infinite impulse response (GIIR) filters and obtain explicit forms for such filters. We further define autocorrelation and cross-correlation functions of signals on the graph, enabling us to obtain the solution to the optimal filtering on graphs, i.e., the corresponding Wiener filtering on graphs and the efficient spectra analysis and frequency domain filtering in parallel with those in classical signal processing. This new shift operator based GSP framework enables the signal analysis along a correlation structure defined by a graph shift manifold as opposed to classical signal processing operating on the assumption of the correlation structure with a linear time shift manifold. We further provide the solution to the optimal linear predictor problem over general graphs. Several illustrative simulations are presented to validate the performance of the optimal LSI filters.

연구 동기 및 목표

• 그래프 신호 처리(GSP)에서 에너지 보존 시프트 연산자가 부족하여 필터링 및 스펙트럼 분석의 일관성이 떨어지는 문제를 해결하기 위해.
• 인접행렬 또는 라플라시안 행렬의 고유값에서 그래프 구조(고유그래프를 통해)를 분리하여, 신호 처리 연산의 독립적 설계를 가능하게 하기 위해.
• 새로운 시프트 연산자를 기반으로 그래프 유한임펄스응답(GFIR)/무한임펄스응답(GIIR) 필터에 대한 공식적 프레임워크를 수립하기 위해.
• 그래프 상관 함수를 정의하고, 고전적 신호 처리와 유사하게 그래프에서 최적의 선형 필터링을 위너 필터링을 통해 가능하게 하기 위해.
• 제안된 시프트 연산자 프레임워크를 사용하여 일반 그래프에서 최적의 선형 예측 문제를 해결하기 위해.

제안 방법

• 반복 적용 시에도 신호 에너지가 변하지 않는 등각적이고 에너지 보존적인 새로운 그래프 시프트 연산자를 제안하여 신호 에너지의 불변성을 보장한다.
• 새로운 시프트 연산자를 사용해 그래프 푸리에 변환과 스펙트럼 분석을 정의함으로써 고전적 신호 처리와 유사한 주파수 도메인 처리를 가능하게 한다.
• 새로운 시프트 연산자로부터 유도된 명시적 닫힌 형태의 표현식을 가진 그래프 유한임펄스응답(GFIR) 및 무한임펄스응답(GIIR) 필터를 도입한다.
• 최적의 필터링을 위한 위너 필터링을 가능하게 하기 위해 그래프 자기상관 및 교차상관 함수를 유도한다.
• 선형 이동 불변(LSI) 그래프 필터의 필터 계수를 효율적으로 계산하기 위해 바르데모네 행렬의 역행렬을 사용한다.
• 인접행렬이 새로운 시프트 연산자에 대해 선형 이동 불변(LSI) 그래프 필터임을 증명함으로써 기본적인 일관성 결과를 확립한다.

실험 결과

연구 질문

• RQ1 고전적 신호 처리의 시간 이동 연산자와 유사하게 신호 에너지를 보존하는 그래프 시프트 연산자를 정의할 수 있는가?
• RQ2 그래프 필터링, 스펙트럼 분석, 최적 필터링을 어떻게 정의할 수 있는가? 이는 고전적 신호 처리와 유사하면서도 그래프 구조를 존중해야 한다.
• RQ3 새로운 시프트 연산자 프레임워크 하에서 인접행렬이 선형 이동 불변 필터로서 수행하는 역할은 무엇인가?
• RQ4 제안된 상관 및 스펙트럼 프레임워크를 사용하여 최적의 위너 필터링을 어떻게 도출하고 구현할 수 있는가?
• RQ5 새로운 시프트 연산자 및 상관 함수를 사용하여 임의의 그래프에서 최적의 선형 예측 문제를 해결할 수 있는가?

주요 결과

• 제안된 시프트 연산자는 인접행렬이나 라플라시안 행렬과 달리 에너지 보존적이며 등각적임이 입증되었으며, 반복 적용 시 신호 에너지가 왜곡되지 않는다.
• 인접행렬이 새로운 시프트 연산자에 대해 선형 이동 불변(LSI) 그래프 필터임이 증명되었으며, 이는 기본적인 일관성 성질을 확립한다.
• 바르데모네 행렬의 역행렬을 사용하여 GFIR 및 GIIR 필터에 대한 명시적 닫힌 형태의 해를 도출함으로써 효율적인 필터 설계가 가능해졌다.
• 그래프 자기상관 및 교차상관 함수를 정의함으로써, 정확한 해석적 해를 가진 최적의 위너 필터링을 그래프에서 유도할 수 있게 되었다.
• 새로운 프레임워크를 사용하여 일반 그래프에서 최적의 선형 예측 문제를 해결하였으며, 시뮬레이션을 통한 성능 검증이 이루어졌다.
• 이 프레임워크는 고전적 신호 처리와 유사하게 주파수 도메인에서 그래프 신호의 병렬 처리를 가능하게 하며, 일관된 스펙트럼 해석이 가능하다.