[논문 리뷰] Relevant sampling in finitely generated shift-invariant spaces

Hartmut Führ, Jun Xian|arXiv (Cornell University)|2014. 10. 17.

Mathematical Analysis and Transform Methods참고 문헌 16인용 수 3

한 줄 요약

이 논문은 $L^2(\mathbb{R}^n)$ 내에서 유한히 생성된 이동 불변 공간에 대한 확률적 샘플링 프레임워크를 수립하며, 생성자에 대한 약한 조건 하에, 입자들이 제한된 정육면체 $C_R$ 내에서 독립적으로 균일하게 추출된 $O(R^n \log(R^n / \alpha'))$개의 샘플이 $C_R$에 에너지가 집중된 함수에 대해 안정적인 샘플링을 보장함을 보여준다. 주요 기여는 생성자 성질로부터 유도된 명시적인 상수를 갖는 고확률 샘플링 추정치를 제시함으로써, Bass와 Gr"ochenig의 관련 샘플링 이론을 최소한의 가정 하에 일반적인 이동 불변 공간으로 확장하는 데 있다.

ABSTRACT

We consider random sampling in finitely generated shift-invariant spaces $V(Φ) \subset { m L}^2(\mathbb{R}^n)$ generated by a vector $Φ= (φ_1,\ldots,φ_r) \in { m L}^2(\mathbb{R}^n)^r$. Following the approach introduced by Bass and Gröchenig, we consider certain relatively compact subsets $V_{R,δ}(Φ)$ of such a space, defined in terms of a concentration inequality with respect to a cube with side lengths $R$. Under very mild assumptions on the generators, we show that for $R$ sufficiently large, taking $O(R^n log(R^{n^2/α'}))$ many random samples (taken independently uniformly distributed within $C_R$) yields a sampling set for $V_{R,δ}(Φ)$ with high probability. Here $α' \le n$ is a suitable constant.We give explicit estimates of all involved constants in terms of the generators $φ_1, \ldots, φ_r$.

연구 동기 및 목표

• 함수의 샘플링을 $\mathbb{R}^n$ 전역에서 균일 분포를 갖지 못하는 제한된 정육면체 $C_R$로 제한함으로써, $L^2(\mathbb{R}^n)$ 내에서 유한히 생성된 이동 불변 공간에 대해 관련 샘플링 이론을 개발하는 것.
• Bass와 Gr"ochenig의 관련 샘플링 프레임워크를 밴드리미티드 및 삼각 다항식 공간에서부터 생성자에 대한 최소한의 가정만을 요구하는 일반적인 유한히 생성된 이동 불변 공간으로 확장하는 것.
• 안정적인 샘플링을 고확률로 달성하기 위해 필요한 랜덤 샘플의 수에 대해 명시적이고 정량적인 상한을 도출하는 것, 이는 생성자 함수의 성질에 따라 기술된다.
• 함수들이 $V_R(\Phi)$에 속해 있을 경우, 즉 에너지가 주로 $C_R$에 집중되어 있을 경우에 유효한, 하한 및 상한 샘플링 상한에 대한 명시적인 상수를 포함하는 완전한 확률적 샘플링 추정치를 제공하는 것.

제안 방법

• 생성자 공간 $V(\Phi)$ 내에서 $L^2$-노름이 적어도 $(1-\delta)$만큼 정육면체 $C_R = [-R/2, R/2]^n$ 내에 집중된 함수들로 구성된 공간 $V_{R,\delta}(\Phi)$를 정의한다.
• 생성자의 프레임 및 쌍대 프레임의 구조를 이용하여, 내적을 통한 재구성 보장이 보장되는 투사 연산자 $P_\Phi = \sum_{m,i} (T_m \phi_i) \otimes (T_m \hat{\phi}_i)$를 표현한다.
• 국소화 연산자 $Q_R P_\Phi$를 도입하며, 이의 고유값 $\lambda_j$와 고유함수 $\psi_j$를 이용하여 공간을 유한차원 부분공간 $P_N$으로 분해한다.
• 행렬 Bernstein 부등식을 적용하여, 경험적 샘플링 연산자가 기대값에서 벗어나지 않도록 제어한다. 이를 위해 랜덤 행렬 $T_j = (\delta_{x_j} \otimes \delta_{x_j}) \circ Q_R P_\Phi$를 분석한다.
• 랜덤 점 집합의 커버링 수 $N_0$에 대한 커버링 색인 추정과 尾확률 추정을 사용하여, 열악한 샘플링 구성이 발생할 확률을 제어한다.
• 유한차원 부분공간 위의 투사 연산자에 대한 노름 추정과 확률적 농도 불등식을 조합하여, 명시적인 상수를 포함하는 고확률 샘플링 추정치를 유도한다.

실험 결과

연구 질문

• RQ1 함수 $V_{R,\delta}(\Phi)$에 대해 고확률로 안정적인 샘플링을 달성하기 위해 필요한, 정육면체 $C_R$ 내에서 독립적으로 균일하게 추출된 최소 샘플 수는 얼마인가?
• RQ2 샘플링 상한이 생성자 함수 $\phi_1, \dots, \phi_r$와 그 성질(예: 감쇠, 프레임 상한 등)에 대해 어떻게 명시적으로 의존하는가?
• RQ3 Bass와 Gr"ochenig의 관련 샘플링 프레임워크는 생성자에 대한 약한 가정만을 요구하는 일반적인 유한히 생성된 이동 불변 공간으로 확장 가능한가?
• RQ4 샘플링 성공 확률이 농도 파rameter $\delta$, 차원 $n$, 그리고 정육면체 크기 $R$에 대해 어떻게 정확히 의존하는가?
• RQ5 샘플링 부등식의 상수들은 생성자 함수의 $L^2$-노름, 프레임 상한, 감쇠 속도에 따라 어떻게 명시적으로 추정될 수 있는가?

주요 결과

• 충분히 큰 $R$에 대해, $C_R$ 내에서 $O(R^n \log(R^n / \alpha'))$개의 독립적이고 균일한 샘플이 $V_{R,\delta}(\Phi)$ 내 함수에 대해 고확률로 안정적인 샘플링 집합을 제공한다. 여기서 $\alpha' \leq n$은 생성자의 감쇠에서 유도된 상수이다.
• 하한 샘플링 상한은 $A \|f\|_2^2$이며, $A = \frac{s}{R^n} \left( \frac{1}{2} - \delta - \nu - 12\delta C_2 \right)$로 주어지며, $\delta$ 및 $\nu$에 대한 제시된 조건 하에 양수이므로 안정성이 보장된다.
• 상한 샘플링 상한은 $s C_1^2 \|f\|_2^2$이며, 여기서 $C_1 = \sup_x \|v_x\|_2$는 재생 핵에 대한 균일한 상한으로, 과도한 샘플링을 방지한다.
• 실패 확률은 $1 - \text{exp}(-\Omega(s/R^n))$로 유계이며, $R$, $s$, $C_1$, $C_2$, $\delta$에 명시적인 의존성을 보이며, $s$가 크면 고확률 샘플링이 성립함을 시사한다.
• 샘플링 상한의 상수들은 Bessel 상수 $C_0, \hat{C}_0$, 재생 핵 상한 $C_1$, Plancherel-Polya 상수 $C_2$, 생성자의 감쇠 상수 $C_3$에 대해 명시적으로 추정된다.
• 결과는 다음과 같은 약한 가정 하에 성립한다: Bessel 상한, 유한한 점 평가, Plancherel-Polya 부등식, 그리고 $C_R$ 외부에서 생성자의 다항식 감쇠. 이러한 조건은 컴팩트하게 지지된 생성자에 의해 만족된다.