[논문 리뷰] Technical Report: Observability with Random Observations

Borhan M. Sanandaji, Michael B. Wakin외 1명|arXiv (Cornell University)|2012. 11. 17.

Sparse and Compressive Sensing Techniques참고 문헌 34인용 수 4

한 줄 요약

이 논문은 랜덤화된 관측 연산자를 사용할 때 고차원 선형 동적 시스템에서 희소 초깃값을 압축 측정을 통해 안정적으로 복원할 수 있음을 보여준다. 측정 집중 불등식을 활용하고 상태 전이 행렬이 유니터리 또는 스케일링된 유니터리일 경우 관측 가능성 행렬이 제한된 이소메트릭 성질(Restricted Isometry Property, RIP)을 만족함을 보여줌으로써, 저자들은 측정 수가 희소성에 선형적으로, 상태 차원에 로그적으로 비례할 때 복원이 가능하다는 것을 증명한다.

ABSTRACT

Recovery of the initial state of a high-dimensional system can require a large number of measurements. In this paper, we explain how this burden can be significantly reduced when randomized measurement operators are employed. Our work builds upon recent results from Compressive Sensing (CS). In particular, we make the connection to CS analysis for random block diagonal matrices. By deriving Concentration of Measure (CoM) inequalities, we show that the observability matrix satisfies the Restricted Isometry Property (RIP) (a sufficient condition for stable recovery of sparse vectors) under certain conditions on the state transition matrix. For example, we show that if the state transition matrix is unitary, and if independent, randomly-populated measurement matrices are employed, then it is possible to uniquely recover a sparse high-dimensional initial state when the total number of measurements scales linearly in the sparsity level (the number of non-zero entries) of the initial state and logarithmically in the state dimension. We further extend our RIP analysis for scaled unitary and symmetric state transition matrices. We support our analysis with a case study of a two-dimensional diffusion process.

연구 동기 및 목표

• 희소성과 랜덤화를 활용하여 고차원 시스템 관측성의 측정 부담을 줄이기.
• 희소 초깃값에 대해 관측 가능성 행렬이 제한된 이소메트릭 성질(Restricted Isometry Property, RIP)을 만족하는 조건을 설정하기.
• 선형 동적 시스템에서 발생하는 시간 변화 및 블록 대각 관측 가능성 구조에 대해 압축 센싱 이론을 확장하기.
• 시스템 차원보다 적은 측정 수로 희소 초깃값의 안정적 복원을 위한 확률적 보장을 제공하기.
• 2차원 확산 과정의 사례 연구를 통해 이론적 프레임워크를 검증하기.

제안 방법

• 시간에 따라 진행된 시스템 상태로부터 형성된 랜덤 블록 대각 측정 행렬에 대해 측정 집중 불등식(CoM)을 유도한다.
• 관측 가능성 행렬을 상태 전이 연산자와 측정 연산자의 복합으로 모델링하고, i.i.d. 요소를 가진 랜덤 행렬로 간주한다.
• 특정 조건 하에서 상태 전이 행렬에 대해 행렬이 제한된 이소메트릭 성질(RIP)을 고확률로 만족함을 보이기 위해 확률적 경계를 적용한다.
• 모든 S-희소 부분공간에 대한 유니언 바운드를 사용하여 초기 상태에 의존하지 않는 통합 실패 확률 경계를 유도한다.
• 변환된 측정 행렬의 최소 특이값 행동을 정량화하기 위해 함수 Γ(𝒜Ωx₀)의 하한을 설정한다.
• ∥Aᵏᵢx₀∥₂²에 대한 결정론적 경계를 적용하여 신호에 의존하는 측정 집중 파rameter를 유도하고, 이로부터 RIP 보장을 도출한다.

실험 결과

연구 질문

• RQ1 고차원 시스템에서 초깃값 복원을 위한 측정 수를 시스템 차원 이하로 줄일 수 있는가?
• RQ2 상태 전이 행렬에 대해 어떤 조건에서 관측 가능성 행렬이 고확률로 제한된 이소메트릭 성질(Restricted Isometry Property, RIP)을 만족하는가?
• RQ3 측정 연산자의 랜덤화는 희소 초깃값 복원의 안정성과 정확성에 어떤 영향을 미치는가?
• RQ4 선형 동적 시스템에서 S-희소 초깃값의 안정적 복원을 보장하기 위해 필요한 최소 측정 수는 얼마인가?
• RQ5 이론적 프레임워크를 비유니터리이지만 스케일링되거나 대칭인 상태 전이 행렬로 확장할 수 있는가?

주요 결과

• 상태 전이 행렬이 유니터리이고 측정 행렬이 상호 독립적이며 무작위로 구성될 경우, S-희소 초깃값의 안정적 복원이 가능하며 총 측정 수는 O(S log N) 비례로 스케일링된다.
• 유니터리 시스템의 경우, 총 측정 수 MK가 MK ≥ O(S log N)를 만족할 때 관측 가능성 행렬이 고확률로 RIP를 만족하여 강건한 희소 복원이 가능하다.
• 논문은 측정 수 MK가 시스템 차원 N보다 작을지라도, 초깃값이 희소할 경우 RIP가 고확률로 성립함을 입증한다.
• λ < 1 또는 λ > 1인 스케일링된 유니터리 행렬의 경우, 상태 전이의 증가/감쇠 비율에 따라 RIP 경계가 달라지며, Γ(𝒜Ωx₀)의 하한은 각각 λ⁻⁴⁽ᵏ⁻¹⁻ᵏ⁰⁾ 또는 λ⁴⁽ᵏ⁻¹⁻ᵏ⁰⁾ 비례로 스케일링된다.
• 이론적 분석은 2차원 확산 과정의 사례 연구를 통해 검증되었으며, 현실적인 물리 시스템에서의 실현 가능성을 보여준다.
• RIP 위반의 실패 확률은 2 exp(−Mρε²/256) 이하로 경계되며, 이는 측정 수 M이 증가함에 따라 지수적으로 감소하여 고확률 복원을 보장한다.