[논문 리뷰] Side Information-Aided Compressed Sensing Reconstruction via Approximate Message Passing

Xing Wang, Jie Liang|arXiv (Cornell University)|2013. 11. 04.

Sparse and Compressive Sensing Techniques인용 수 8

한 줄 요약

이 논문은 일반화된 엘라스틱 넷 사전분포를 통해 부가 정보를 활용하여 단계 전이 경계를 제거하고 재구성 오차를 감소시키는 압축 측정 복원 방법인 GENP-AMP를 제안한다. 사전 지식을 근사 메시지 전달에 통합함으로써, 신호 대 잡음비의 모든 영역에서 오차가 유계로 유지되며, 희소성이나 잡음 분산 지식이 필요로 하지 않는다.

ABSTRACT

In this paper, we study the compressed sensing reconstruction problem with generalized elastic net prior (GENP), where a sparse signal is sampled via a noisy underdetermined linear observation system, and an additional initial estimation of the signal (the GENP) is available during the reconstruction. We first incorporate the GENP into the LASSO and the approximate message passing (AMP) frameworks, denoted by GENP-LASSO and GENP-AMP respectively. We then investigate the parameter selection, state evolution, and noise-sensitivity analysis of GENP-AMP. We show that, thanks to the GENP, there is no phase transition boundary in the proposed frameworks, i.e., the reconstruction error is bounded in the entire plane. The error is also smaller than those of the standard AMP and scalar denoising. A practical parameterless version of the GENP-AMP is also developed, which does not need to know the sparsity of the unknown signal and the variance of the GENP. Simulation results are presented to verify the efficiency of the proposed schemes.

연구 동기 및 목표

• 낮은 신호 대 잡음 비에서 재구성 실패를 초래하는 표준 압축 측정 방법의 한계를 해결한다.
• 일반화된 엘라스틱 넷 사전분포 형태의 초기 신호 추정치를 압축 측정 재구성 과정에 통합한다.
• 신호의 희소성 또는 사전 분산 지식이 필요로 하지 않는 매개변수 없는 알고리즘 변형을 개발한다.
• 기존의 AMP와 LASSO에서 존재하는 단계 전이 경계를 제거하여 모든 잡음 수준에서 안정적인 재구성 성능을 확보한다.
• 부가 정보 통합을 통해 표준 AMP 및 스칼라 디노이징 방법보다 재구성 정확도를 향상시킨다.

제안 방법

• 일반화된 엘라스틱 넷 사전분포(GENP)를 LASSO 및 근사 메시지 전달(AMP) 프레임워크에 통합하여 GENP-LASSO 및 GENP-AMP를 도출한다.
• GENP-AMP의 상태 진화 방정식을 유도하여 그 점근적 행동 및 수렴 성질을 분석한다.
• 관측 모델에서 다양한 잡음 수준에서의 민감도 분석을 수행하여 강건성을 평가한다.
• 알 수 없는 신호의 희소성과 사전 분산에 적응적으로 조정할 수 있는 실용적인 매개변수 없는 GENP-AMP 버전을 설계한다.
• GENP에 기반한 디노이징 함수를 활용한 근사 메시지 전달을 사용하여 반복적으로 신호 추정치를 정밀화한다.
• 상태 진화 분 析를 통해 신호 대 잡음비 전역에서 재구성 오차가 유계로 유지됨을 입증한다.

실험 결과

연구 질문

• RQ1 일반화된 엘라스틱 넷 사전분포를 통한 부가 정보 통합이 압축 측정 재구성에서 단계 전이 경계를 제거할 수 있는가?
• RQ2 다양한 잡음 수준에서 GENP-AMP는 표준 AMP 및 스칼라 디노이징 방법보다 재구성 정확도가 높은가?
• RQ3 GENP는 재구성 과정의 안정성과 잡음 민감도에 어떤 영향을 미치는가?
• RQ4 신호의 희소성 또는 사전 분산 지식이 필요로 하지 않는 매개변수 없는 GENP-AMP 버전을 개발할 수 있는가?
• RQ5 GENP-AMP의 상태 진화가 전체 신호 대 잡음 평면에서 유계 재구성 오차를 확인하는가?

주요 결과

• GENP-AMP는 단계 전이 경계를 제거하여 모든 신호 대 잡음비에서 유계 재구성 오차를 보장한다.
• 모든 테스트 잡음 수준에서 GENP-AMP의 재구성 오차는 표준 AMP 및 스칼라 디노이징보다 엄격히 작다.
• 제안된 매개변수 없는 GENP-AMP 변형은 신호의 희소성 또는 사전 분산 지식 없이도 안정적인 성능을 달성한다.
• 상태 진화 분석을 통해 오차가 낮은 신호 대 잡음 비 영역에서도 발산하지 않고 유계로 유지됨을 확인하였다.
• 일반화된 엘라스틱 넷 사전분포를 통한 부가 정보 통합은 압축 측정 재구성의 강건성과 정확도를 크게 향상시킨다.