[논문 리뷰] Polynomial graph filter of multiple shifts and distributed implementation of inverse filtering

Nazar Emirov, Cheng Cheng외 2명|arXiv (Cornell University)|2020. 03. 24.

Advanced Graph Neural Networks참고 문헌 50인용 수 6

한 줄 요약

이 논문은 다중 교환 가능한 그래프 이동을 기반으로 한 다항식 그래프 필터를 소개하여, 네트워크 시스템에서 필터링 및 역필터링의 효율적인 분산 구현을 가능하게 한다. 분산 및 중심집중식 두 가지 반복 알고리즘을 제안하여 역필터링을 근사하고, 시간에 따라 변화하는 그래프 신호와 218개 지점의 미국 시간별 기온 데이터에서의 노이즈 제거에 효과를 보였다.

ABSTRACT

Polynomial graph filters and their inverses play important roles in graph signal processing. An advantage of polynomial graph filters is that they can be implemented in a distributed manner, which involves data transmission between adjacent vertices only. The challenge arisen in the inverse filtering is that a direct implementation may suffer from high computational burden, as the inverse graph filter usually has full bandwidth even if the original filter has small bandwidth. In this paper, we consider distributed implementation of the inverse filtering procedure for a polynomial graph filter of multiple shifts, and we propose two iterative approximation algorithms that can be implemented in a distributed network, where each vertex is equipped with systems for limited data storage, computation power and data exchanging facility to its adjacent vertices. We also demonstrate the effectiveness of the proposed iterative approximation algorithms to implement the inverse filtering procedure and their satisfactory performance to denoise time-varying graph signals and a data set of US hourly temperature at 218 locations.

연구 동기 및 목표

• 다중 교환 가능한 그래프 이동을 기반으로 한 다항식 그래프 필터를 도입하여, 다차원 신호 처리에서의 고전적 FIR 필터와 유사하게 고전적 그래프 신호 처리를 확장하는 것.
• 각 정점에서 계산 및 저장 자원이 제한된 네트워크에서 필터링 및 역필터링의 분산 구현을 가능하게 하는 것.
• 분산 및 중심집중식 환경 모두에 적용 가능한 반복 근사 알고리즘을 개발하여 역필터링을 수행하는 것.
• 실세계의 시간에 따라 변화하는 그래프 신호, 예를 들어 기온 데이터와 노이즈 제거 작업과 같은 실용적 응용에서 제안된 프레임워크의 유용성을 입증하는 것.

제안 방법

• 서로 교환 가능한 다중 그래프 이동의 개념을 도입하여, 이동 간의 쌍별 교환성으로 인해 잘 정의된 공동 스펙트럼 성질을 보장한다.
• 다중 변수 다항식을 이용해 교환 가능한 이동 행렬의 다항식 그래프 필터를 정의하며, 지오데식 폭은 다항식의 총 차수로 제한된다.
• 각 정점에서 국소 계산과 이웃 정점 간의 통신만을 사용하여 필터링 출력을 계산하는 분산 알고리즘을 개발한다.
• 분산 네트워크와 중심집중 시설 양쪽 모두에 적합한 두 가지 반복 알고리즘을 제안하여 역필터링을 수행한다.
• 다변수 체비셰프 다항식 근사를 활용하여 역필터링 근사에서의 오차를 최소화한다.
• 행렬 교환자 노름과 스펙트럼 분석을 활용하여 일반 필터와 다항식 필터 집합 간의 근사 오차에 대한 이론적 경계를 유도한다.

실험 결과

연구 질문

• RQ1 다중 교환 가능한 그래프 이동을 기반으로 한 다항식 그래프 필터는 다차원 신호 처리에서의 고전적 FIR 필터를 어떻게 일반화할 수 있는가?
• RQ2 국소 처리 및 제한된 통신만을 갖는 분산 네트워크에서 이러한 필터를 구현하는 데 필요한 구조와 계산 가능성은 어떠한가?
• RQ3 반복 방법을 활용하여 분산 및 중심집중식 환경에서 역필터링을 어떻게 효율적으로 근사할 수 있는가?
• RQ4 다항식 필터를 사용한 역필터링 근사 오차에 대해 어떤 이론적 보장을 제공할 수 있는가?
• RQ5 제안된 알고리즘은 시간에 따라 변화하는 그래프 신호의 노이즈 제거 및 실세계 기온 데이터와 같은 실용적 응용에서 얼마나 효과적인가?

주요 결과

• 제안된 분산 필터링 알고리즘은 국소 데이터와 이웃 정점 간의 통신만을 사용하여 정점 수준의 계산을 가능하게 하며, 자원이 제한된 네트워크에 적합하다.
• 반복적 역필터링 알고리즘은 역필터의 정확한 근사를 달성하며, 근사 오차에 대한 이론적 경계에 의해 수렴이 보장된다.
• 이론적 분석에 따르면, 일반 그래프 필터와 다항식 필터 집합 간의 거리는 필터와 그래프 이동 간의 교환자 노름에 의해 제한된다.
• 실험 결과는 시간에 따라 변화하는 그래프 신호의 성공적인 노이즈 제거와 218개 지점의 미국 시간별 기온 데이터 정확한 재구성에 성공함을 보여준다.
• 다양한 물리적 의미를 지닌 다중 그래프 이동을 활용함으로써, 시간에 따라 변화하는 신호의 다중 방향 상관관계를 효과적으로 포착할 수 있다.
• 다변수 체비셰프 근사를 사용함으로써, 역필터링 근사 알고리즘의 강건성과 안정적인 수렴을 보장한다.