[논문 리뷰] Robust Recovery of Signals From a Union of Subspaces

Yonina C. Eldar, Moshe Mishali|arXiv (Cornell University)|2008. 07. 29.

Sparse and Compressive Sensing Techniques참고 문헌 22인용 수 62

한 줄 요약

이 논문은 블록-제약 이sov로피 성질(block RIP)에 기반한 블록-스parser 최적화 프레임워크를 통해 유니언 서브스페이스에 속하는 신호를 복원하는 강건하고 효율적인 방법을 제안한다. 이는 압축 측정 이론을 블록-스parser 벡터 및 다중 측정 벡터(MMV)와 같은 구조적 신호 모델로 일반화하여 안정적이고 유일한 복원을 보장하는 등가 조건을 수립한다.

ABSTRACT

Traditional sampling theories consider the problem of reconstructing an unknown signal x from a series of samples. A prevalent assumption which often guarantees a unique signal consistent with the given measurements is that x lies in a known subspace. Recently, there has been growing interest in nonlinear but structured signal models, in which x is assumed to lie in a union of subspaces. An example is the case in which x is a finite length vector that is sparse in a given basis. In this paper we develop a general framework for robust and efficient recovery of such signals from a given set of samples. More specifically, we treat the case in which x lies in a finite union of finite dimensional spaces and the samples are modelled as inner products with an arbitrary set of sampling functions. We first develop conditions under which unique and stable recovery of x is possible, albeit with algorithms that have combinatorial complexity. To derive an efficient and robust recovery algorithm, we then show that our problem can be formulated as that of recovering a block sparse vector, namely a vector whose non-zero elements appear in fixed blocks. To solve this problem, we suggest minimizing a mixed ℓ2/ℓ1 norm subject to the measurement equations. We then develop equivalence conditions under which the proposed convex algorithm is guaranteed to recover the original signal. These results rely on the notion of block restricted isometry property (RIP), which is a generalization of the standard RIP used extensively in the context of compressed sensing. A special case of the proposed framework is that of recovering multiple measurement vectors (MMV) that share a joint sparsity pattern. Specializing our results to this context leads to new MMV recovery methods as well as equivalence conditions under which the entire set can be determined efficiently.

연구 동기 및 목표

• 기존의 단일 서브스페이스 가정을 초월하는 구조적 모델을 고려하여, 유한 차원 서브스페이스의 유니언에 속하는 신호를 재구성하는 데 도전하는 것.
• 특히 샘플이 임의의 샘플링 함수와의 내적 형태로 주어질 경우, 이러한 유니언 내의 신호를 강건하고 효율적으로 복원하는 알고리즘을 개발하는 것.
• 볼록 최적화를 통해 안정적이고 유일한 신호 복원을 보장하기 위한 충분한 조건—블록 제약 이sov로피 성질(block RIP)에 기반한 조건—을 수립하는 것.
• 공통된 스퍼스 패턴을 가진 블록-스퍼스 신호 및 다중 측정 벡터(MMV)를 다룰 수 있도록 압축 측정 이론을 일반화하는 것.
• 제안된 ℓ2/ℓ1 최소화 방법이 원래 신호를 정확히 복원하는 데 필요한 등가 조건을 제공하는 것.

제안 방법

• 비제로 성분이 사전 정의된 블록에 국한된 블록-스퍼스 벡터의 복원 문제로 신호 복원 문제를 재구성하는 것.
• 블록 스퍼시티를 촉진하고 강건성을 향상시키기 위해 측정 제약 조건 하에서 혼합 ℓ2/ℓ1 노름을 최소화하는 방법을 제안하는 것.
• 복원의 안정성과 유일성을 분석하기 위해 표준 RIP를 일반화한 블록 제약 이sov로피 성질(block RIP)을 도입하는 것.
• 노이즈가 존재하는 상황에서도 볼록 최적화 문제가 원래 신호를 유일하게 복원할 수 있는 충분한 조건을 유도하는 것.
• 여러 신호가 동일한 스퍼스 패턴을 공유하는 다중 측정 벡터(MMV) 문제에 프레임워크를 적용하는 것.
• 블록-RIP 상수가 충분히 작을 경우 제안된 방법이 정확한 복원을 달성하며, 기존의 압축 측정 이론 결과를 일반화하는 것.

실험 결과

연구 질문

• RQ1 선형 측정값으로부터 서브스페이스의 유니언에 속하는 신호가 어떻게 안정적이고 유일하게 복원될 수 있는가?
• RQ2 비제로 계수들이 고정된 블록에 나타나는 경우, 특히 블록 구조를 활용하여 복원 문제를 어떻게 재정의할 수 있는가?
• RQ3 블록 제약 이sov로피 성질(block RIP)이 블록-스퍼스 복원을 위한 볼록 이완 방법의 성공에 어떤 역할을 하는가?
• RQ4 제안된 ℓ2/ℓ1 최소화 프레임워크는 공동 스퍼스 패턴을 가진 다중 측정 벡터(MMV) 문제에 효율적으로 적용될 수 있는가?
• RQ5 어떤 등가 조건이 볼록 최적화 방법이 노이즈가 있는 측정값 조건에서도 원래 신호를 정확히 복원하도록 보장하는가?

주요 결과

• 제안된 혼합 ℓ2/ℓ1 최소화 방법은 블록-RIP 상수가 충분히 작을 경우, 블록-RIP 조건을 만족할 때 서브스페이스 유니언에 속하는 신호를 안정적이고 강건하게 복원함을 보장한다.
• 블록-RIP 상수의 순서 2k가 √2 − 1 보다 작을 경우 정확한 복원이 달성되며, 이는 기존 표준 압축 측정 이론의 알려진 한계를 확장한 것이다.
• 이 프레임워크는 블록-스퍼스 벡터 및 공통 스퍼스 패턴을 가진 다중 측정 벡터(MMV)와 같은 구조적 신호 모델로 표준 압축 측정 이론을 일반화한다.
• MMV 케이스에서는 동일한 블록-RIP 조건 하에서 모든 벡터가 동일한 지지(set)를 공유할 경우, 그들의 효율적 복원이 가능하다.
• 유도된 등가 조건은 유한한 노이즈 조건 하에서도 볼록 이완 방법이 원래 신호를 정확히 복원함을 보장한다.
• 이 방법은 다항식 시간 복잡도를 가지며, 서브스페이스에 대한 브루트 포스 탐색의 비가역성 문제를 해결함과 동시에 조합적 복원 성능를 달성한다.