[논문 리뷰] A Deterministic Sub-linear Time Sparse Fourier Algorithm via Non-adaptive Compressed Sensing Methods

Mark Iwen|ArXiv.org|2007. 08. 09.

Sparse and Compressive Sensing Techniques참고 문헌 22인용 수 38

한 줄 요약

이 논문은 비적응형 압축 측정 기반으로 최초로 결정적인 비선형 시간 희소 푸리에 변환 알고리즘을 제안하며, 실패 없는 방식으로 크기 B인 주파수 성분 B개를 O(B² log N) 시간에 복원할 수 있다. 기존의 결정적 압축 측정 기법에 비해 대수적 압축 가능성을 향상시키면서도 지수 감쇠 성질을 유지함으로써, 확률적 실패가 수용 불가인 임무 핵심 응용 분야에 적합하다.

ABSTRACT

We study the problem of estimating the best B term Fourier representation for a given frequency-sparse signal (i.e., vector) $ extbf{A}$ of length $N \gg B$. More explicitly, we investigate how to deterministically identify B of the largest magnitude frequencies of $\hat{ extbf{A}}$, and estimate their coefficients, in polynomial$(B,\log N)$ time. Randomized sub-linear time algorithms which have a small (controllable) probability of failure for each processed signal exist for solving this problem. However, for failure intolerant applications such as those involving mission-critical hardware designed to process many signals over a long lifetime, deterministic algorithms with no probability of failure are highly desirable. In this paper we build on the deterministic Compressed Sensing results of Cormode and Muthukrishnan (CM) \cite{CMDetCS3,CMDetCS1,CMDetCS2} in order to develop the first known deterministic sub-linear time sparse Fourier Transform algorithm suitable for failure intolerant applications. Furthermore, in the process of developing our new Fourier algorithm, we present a simplified deterministic Compressed Sensing algorithm which improves on CM's algebraic compressibility results while simultaneously maintaining their results concerning exponential decay.

연구 동기 및 목표

• 실패를 허용하지 않는 응용 분야를 위한 결정적 희소 푸리에 변환 알고리즘을 개발한다.
• 기존의 결정적 압축 측정 기법을 향상시켜 대수적 압축 가능성을 높이되, 계수의 지수 감쇠 성질을 유지한다.
• 전체 신호 샘플링이 불가능한 상황에서도 B개의 가장 큰 주파수 성분을 B와 log N에 대해 다항식 시간 내에 복원할 수 있도록 한다.
• 다중 척도 푸리에 측정에서의 주파수 간섭 문제를 중국의 나머지 정리(Chinese Remainder Theorem)를 통해 해결한다.
• 실제 하드웨어 시스템에서 랜덤화된 비선형 시간 푸리에 알고리즘에 대한 실용적이고 결정적인 대안을 제공한다.

제안 방법

• 코르모드와 무타크리슈نان(Cormode and Muthukrishnan, CM)의 결정적 압축 측정 프레임워크를 희소 푸리에 변환 문제에 적용한다.
• 소수 모듈로 샘플링과 중국의 나머지 정리를 이용해 구성된 비적응형 측정 행렬을 사용하여 병렬적이고 비선형 시간 주파수 식별을 가능하게 한다.
• 전체 샘플링이 불가능할 경우, 각 샘플당 O(log δ⁻¹ + p)개의 점을 사용해 局부 보간을 수행하여 누락된 신호 값을 추정한다.
• 구조적 집합의 특성 함수를 사용해 측정 벡터를 구성함으로써 주파수 밴드에 에너지를 효율적으로 포착한다.
• 후보 주파수 위치를 식별하기 위해 알고리즘 1의 수정 버전을 적용한 후, 계수 추정을 위해 알고리즘 2를 사용한다.
• 보간 정확도를 제어함으로써 측정 오차가 O(δ · B⁻ᵖ) 이내로 제한되도록 하여 이론적 보장을 유지한다.

실험 결과

연구 질문

• RQ1 확률적 알고리즘에 의존하지 않고도 결정적인 비선형 시간 희소 푸리에 변환을 구성할 수 있는가?
• RQ2 결정적 압축 측정에서 대수적 압축 가능성을 어떻게 향상시킬 수 있으며, 同시에 계수 분포의 지수 감쇠 성질을 유지할 수 있는가?
• RQ3 비선형 시간 내에 결정적으로 B개의 가장 큰 주파수 성분을 복원하기 위해 필요한 최소 샘플 수는 얼마인가?
• RQ4 전체 신호 샘플링이 불가능한 상황에서 보간 오차는 어떻게 제한하여 정확도를 유지할 수 있는가?
• RQ5 중국의 나머지 정리는 결정적 다중 척도 샘플링 프레임워크에서 주파수 복원에 효과적으로 적용될 수 있는가?

주요 결과

• δ = O(log⁻¹N일 때, 제안된 알고리즘은 B-희소 신호에 대해 Õ(B²) 시간 복잡도를 달성하며, 기존의 최고 성능을 보인 랜덤화된 비선형 시간 푸리에 알고리즘과 동일한 성능을 보인다.
• 이 방법은 실패 확률가 0이므로, 장수명 하드웨어 등 고신뢰성 요구 사양이 있는 임무 핵심 시스템에 적합하다.
• 알고리즘은 CM의 결정적 압축 측정 기법을 향상시켜 대수적 압축 가능성을 높였으며, 동시에 계수 분포의 지수 감쇠 성질을 유지한다.
• 각 샘플당 O(log δ⁻¹ + p)개의 보간 점을 사용함으로써 측정 오차를 O(δ · B⁻ᵖ) 이내로 유지하여, p-압축 가능한 신호에 대해 강건성을 확보한다.
• p-압축 가능한 신호에 대해, 알고리즘은 Õ(B²ᵖ/(ᵖ⁻¹) δ²/(¹⁻ᵖ)) 시간과 샘플 수를 사용하여 ‖A − R_opt‖²₂ + δ‖C_opt_B‖²₂ 이내의 오차를 가진 B항 근사치를 반환한다.
• 이 프레임워크는 전체 신호 샘플이 확보되지 않은 경우에도, 누락된 값을 고정밀도로 국소 보간함으로써 결정적 복원을 가능하게 한다.