[論文レビュー] Discrete Sparse Signals: Compressed Sensing by Combining OMP and the Sphere Decoder

Susanne Sparrer, Robert F. H. Fischer|arXiv (Cornell University)|Oct 9, 2013

Sparse and Compressive Sensing Techniques参考文献 15被引用数 6

ひとこと要約

本稿では、不定線形システムから離散値をとるスパース信号を効率的に再構成するため、直交マッチング Pursuit (OMP) とスフィアデコーダー (SD) を組み合わせたハイブリッド圧縮センシング手法を提案する。OMPを用いて拡張されたサポート集合を特定し、スパarsityに配慮した指標を用いたSDを適用することで、特にスパarsityが既知であり、SDが正しいスパarsityレベルを強制するように調整されている場合、従来の量子化または埋め込み検出法よりも顕著な性能向上が達成される。

ABSTRACT

We study the reconstruction of discrete-valued sparse signals from underdetermined systems of linear equations. On the one hand, classical compressed sensing (CS) is designed to deal with real-valued sparse signals. On the other hand, algorithms known from MIMO communications, especially the sphere decoder (SD), are capable to reconstruct discrete-valued non-sparse signals from well- or overdefined system of linear equations. Hence, a combination of both approaches is required. We discuss strategies to include the knowledge of the discrete nature of the signal in the reconstruction process. For brevity, the exposition is done for combining the orthogonal matching pursuit (OMP) with the SD; design guidelines are derived. It is shown that by suitably combining OMP and SD an efficient low-complexity scheme for the detection of discrete sparse signals is obtained.

研究の動機と目的

• 古典的圧縮センシングが離散的信号構造を無視するため、非最適となることから、不定線形システムからの離散値スパース信号の再構成という課題に対処すること。
• 離散的信号のアルファベットの知識と既知のスパarsityを活用することで、標準的なCSやスカラ量子化を上回る再構成精度を向上させること。
• OMPによるサポート選択と離散信号用のSDによるシンボル検出を組み合わせることで、低コストで効率的な検出方式を設計すること。
• スパarsityが既知である場合、OMP内に検出を埋め込むか、拡大されたサポート集合上でSDを適用するかのどちらがより優れた性能を示すかを調査すること。
• 反復的OMP拡張とSDの適応が、シンボル誤り率 (SER) とサポート再構成の信頼性に与える影響を評価すること。

提案手法

• 本手法は、真のスパース信号のサポートを含む候補サポート集合 𝒮 を逐次的に特定するため、E > s の反復回数を持つOMPを用いる。これにより、誤った選択に対するロバスト性が向上する。
• OMPが 𝒮 を特定した後、その位置における離散値信号成分を、有限のアルファベット上で残差誤差を最小化するようにスフィアデコーダー (SD) で検出する。
• 既知のスパarsity s を強制するスパarsityに配慮した指標を用いてSDを変更し、最終的な解が正確に s 個の非ゼロ要素を持つことを保証する。
• 量子化をOMPに埋め込むのではなく、選択されたサポート上で検出を別段階として処理することで、複雑さを低減するとともに精度を向上させる。
• SERとSNR、反復回数の関係を用いて性能を評価し、ジェイン・エイドド曲線を用いてサポート集合の正確さの影響を分離する。
• 本手法は、スカラ量子化を施したOMP (OMP/Q) や Q-OMP、SDに基づく検出の変種と比較され、事前確率とサポート集合の質の役割に特に注目する。

実験結果

リサーチクエスチョン

• RQ1 OMPとスフィアデコーダー (SD) を組み合わせることで、標準的な圧縮センシングやスカラ量子化と比較して、離散的スパース信号のシンボル誤り率 (SER) が顕著に改善されるか？
• RQ2 真のスパarsity s よりも多くのOMP反復回数を増やすことで、選択されたサポート集合上でSDを適用する場合、ロバスト性と検出性能が向上するか？
• RQ3 SDの指標を既知のスパarsity s に適合させることの重要性はどの程度で、その結果として得られる性能向上はどの程度か？
• RQ4 OMPが特定したサポート集合の正確さが、全体の性能にどの程度制限要因となるか。また、より信頼性の高いサポート選択によりこれを緩和できるか？
• RQ5 OMP内に量子化またはSDを埋め込むのと、OMPの後にSDを適用する2段階方式とでは、どちらがより効果的か？

主な発見

• E > s の反復回数を持つOMPと、その後に続くSDによる検出を組み合わせることで、スカラ量子化や埋め込み検出を用いたOMPと比較して、特にスパarsityが既知である場合、より顕著に低いSERが達成される。
• スパarsityに配慮した指標を用いたSDは、シンボル単位の量子化を上回り、正しいサポートが利用可能な場合、最大0.5 dBのSNR向上を達成する。これは、サポート集合の品質が主なボトルネックであることを示している。
• E = s の場合、OMP内に量子化を埋め込むことで得られる利点はわずかであるが、E を 24–30 に増やすことで、誤ったサポート選択に対するロバスト性が向上し、不確実性下でもより信頼性の高い性能が得られる。
• ジェイン・エイドド曲線から、サポート集合 𝒮 に真のサポートが確実に含まれる場合、さらなる約0.5 dBの性能向上が可能であることが示され、正確なサポート再構成の重要性が浮き彫りになる。
• OMPによるサポート選択とSDによる離散シンボル検出の組み合わせは、検出をOMPに埋め込む方法よりも効果的であり、不要な複雑さを回避しながら精度を向上させる。
• OMPよりも優れたサポート再構成を提供するCoSaMPアルゴリズムも、同様にSDと組み合わせることでさらに性能向上が可能であり、提案フレームワークの広範な適用可能性が示唆される。