[논문 리뷰] Estimation of block sparsity in compressive sensing

Zhiyong Zhou, Jun Yu|arXiv (Cornell University)|2017. 01. 04.

Sparse and Compressive Sensing Techniques참고 문헌 39인용 수 10

한 줄 요약

이 논문은 다변량 중심화된 등방향 대칭 $\alpha$-스테이블 랜덤 프로젝션을 사용하여 압축 측정에서 블록 스parserity를 위한 새로운 추정기(estimator)를 제안한다. 부드러운 측도 $k_{\alpha}(\mathbf{x}) = \left(\|\mathbf{x}\|_{2,\alpha}/\|\mathbf{x}\|_{2,1}\right)^{\alpha/(1-\alpha)}$를 도입하고, 추정기의 점근적 분포를 확립하여 복구 성능과 알고리즘 튜닝에 필수적인 정확한 블록 스퍼스리티 추정을 가능하게 한다.

ABSTRACT

Explicitly using the block structure of the unknown signal can achieve better reconstruction performance in compressive sensing. Theoretically, an unknown signal with block structure can be accurately recovered from a few number of under-determined linear measurements provided that it is sufficiently block sparse. From the practical point of view, a severe concern is that the block sparse level appears often unknown. In this paper, we introduce a soft measure of block sparsity $k_α(\mathbf{x})=\left(\lVert\mathbf{x} Vert_{2,α}/\lVert\mathbf{x} Vert_{2,1} ight)^{\fracα{1-α}}$ with $α\in[0,\infty]$, and propose an estimation procedure by using multivariate centered isotropic symmetric $α$-stable random projections. The limiting distribution of the estimator is established. Simulations are conducted to illustrate our theoretical results.

연구 동기 및 목표

• 실제 응용에서 신호의 블록 스퍼스리티 수준이 일반적으로 알려져 있지 않은 압축 측정의 핵심 과제를 해결하기 위해.
• 제한된 사전 지식이 있는 실세계 응용에 사용할 수 있는 수치적으로 안정적이고 강력한 블록 스퍼스리티 추정기를 개발하기 위해.
• 제안된 추정기의 이론적 점근적 분포를 확립하여 통계적 신뢰성을 보장하기 위해.
• 일변량에서 다변량 대칭 $\alpha$-스테이블 분포로 특성 함수 방법을 확장하여 블록 스퍼스리티 추정에 활용하기 위해.
• 블록 OMP 및 그룹 라소와 같은 복구 알고리즘의 튜닝을 위한 실용적인 도구를 제공하기 위해 진정한 블록 스퍼스리티 수준을 추정하기 위해.

제안 방법

• 블록 $\ell_0$-노름의 연속적 근사로 $\alpha \in (0,1)$에 대해 $k_{\alpha}(\mathbf{x}) = \left(\|\mathbf{x}\|_{2,\alpha}/\|\mathbf{x}\|_{2,1}\right)^{\alpha/(1-\alpha)}$로 정의되는 블록 스퍼스리티의 연속적 측도를 도입한다.
• 신호의 측정 프로젝션을 생성하기 위해 다변량 중심화된 등방향 대칭 $\alpha$-스테이블 랜덤 프로젝션을 사용한다.
• 다변량 $\alpha$-스테이블 분포의 특성 함수를 활용하여 $k_{\alpha}(\mathbf{x})$에 대한 추정 방정식을 유도한다.
• 델타 방법과 점근적 분석을 적용하여 미약한 규칙성 조건 하에서 추정기의 점근적 분포를 유도한다.
• $k_u(\mathbf{x})$에 대한 $u$에 대한 도함수의 이론적 경계를 확립하여 추정 오차를 통제한다.
• 집중 불등식과 블록 동적 범위 $\mathrm{BDNR}(\mathbf{x}) = \|\mathbf{x}\|_{2,\infty}/\|\mathbf{x}\|_{2,\mathrm{min}}$를 포함한 모멘트 경계를 조합하여 수렴성을 보장한다.

실험 결과

연구 질문

• RQ1 안정적인 랜덤 프로젝션을 사용하여 블록 스퍼스리티에 대한 강력하고 일致적인 추정기를 구성할 수 있는가?
• RQ2 다변량 $\alpha$-스테이블 프로젝션 하에서 제안된 블록 스퍼스리티 추정기의 점근적 분포는 무엇인가?
• RQ3 $k_{\alpha}(\mathbf{x})$의 추정 오차는 신호 구조와 $\alpha$에 따라 어떻게 변화하는가?
• RQ4 기존의 스퍼스리티 추정 방법에 비해 제안된 방법은 블록 스퍼스리티 설정에서 얼마나 향상되는가?
• RQ5 다변량 $\alpha$-스테이블 프레임워크에서 특성 함수 방법을 사용하여 추정기의 이론적 성질을 엄밀히 확립할 수 있는가?

주요 결과

• 제안된 블록 스퍼스리티 추정기 $\tilde{k}_{\alpha}(\mathbf{x})$는 다변량 $\alpha$-스테이블 프로젝션 모델 하에서 일致적이고 점근적으로 정규분포를 이룬다.
• 추정기의 점근적 분포가 유도되어 블록 스퍼스리티에 대한 신뢰구간 구성과 가설 검정이 가능해진다.
• 추정 오차는 $O\left(\frac{\|\mathbf{x}\|_{2,0}}{(1-\alpha)^2} \left(\ln(\mathrm{BDNR}(\mathbf{x})) + \alpha \ln(\|\mathbf{x}\|_{2,0})\right)\right)$로 경계지어지며, 이는 신호 구조와 $\alpha$에 대한 의존성을 보여준다.
• 스퍼스리티 측도의 매끄러움을 보장하기 위해 엔트로피 유형의 표현식과 확률 가중치를 사용하여 $\left|\frac{d}{du}k_u(\mathbf{x})\right|$의 경계를 도출하였다.
• 시뮬레이션 결과는 이론적 결과를 확인하였으며, 다양한 신호 구성에서 정확하고 안정적인 블록 스퍼스리티 추정이 가능함을 보여준다.
• 특히 블록 스퍼스리티 회복 알고리즘의 튜닝에 유용한 오라클 지식의 실용적 대안을 제공한다.