[논문 리뷰] Quantized Compressed Sensing for Partial Random Circulant Matrices

Joe-Mei Feng, Felix Krahmer외 1명|arXiv (Cornell University)|2017. 02. 15.

Sparse and Compressive Sensing Techniques참고 문헌 37인용 수 8

한 줄 요약

이 논문은 부분 무작위 순환 행렬을 사용한 압축 측정에서의 양자화 프레임워크를 제안하며, 안정적인 시그마-델타 양자화와 볼록 최적화를 적용한다. 양자화로 인한 복원 오차가 측정 수와 함께 다항식적으로 감소함을 입증하여, 기억 없는 스칼라 양자화에 비해 더 높은 강인성과 안정성을 확보한다.

ABSTRACT

We provide the first analysis of a non-trivial quantization scheme for compressed sensing measurements arising from structured measurements. Specifically, our analysis studies compressed sensing matrices consisting of rows selected at random, without replacement, from a circulant matrix generated by a random subgaussian vector. We quantize the measurements using stable, possibly one-bit, Sigma-Delta schemes, and use a reconstruction method based on convex optimization. We show that the part of the reconstruction error due to quantization decays polynomially in the number of measurements. This is in line with analogous results on Sigma-Delta quantization associated with random Gaussian or subgaussian matrices, and significantly better than results associated with the widely assumed memoryless scalar quantization. Moreover, we prove that our approach is stable and robust; i.e., the reconstruction error degrades gracefully in the presence of non-quantization noise and when the underlying signal is not strictly sparse. The analysis relies on results concerning subgaussian chaos processes as well as a variation of McDiarmid's inequality.

연구 동기 및 목표

• 구조적 압축 측정 행렬, 특히 부분 무작위 순환 행렬을 대상으로 비트리비얼한 양자화 이론을 개발하는 것.
• 특히 i.i.d. 서브가우시안 행렬을 초월한 구조적 측정 설정에서의 양자화에 대한 이론적 분석 부족 문제를 해결하는 것.
• 안정적이고, 가능하면 1비트인 시그마-델타 양자화가 복원 오차에 다항식 감소를 이끌어내는 것을 보여주는 것.
• 엄격한 희박성에서 벗어난 신호나 비양자화 노이즈가 존재할 경우에도 복원의 강인성과 안정성을 입증하는 것.
• 기존의 압축 측정 보장을 구조적 행렬로 확장하며, 양자화 인식 분석을 통한 분석을 제공하는 것.

제안 방법

• 서브가우시안 벡터로 생성된 순환 행렬에서 무작위로 반복 없이 행을 샘플링하여 부분 무작위 순환 행렬을 구성하는 것.
• 압축 측정치에 대해 안정적이고, 가능하면 1비트인 시그마-델타 양자화를 적용하는 것.
• 측정 일致성에 대한 제약 조건을 포함한 기저 최소화를 통한 볼록 최적화 기반 복원을 수행하는 것.
• r차수 차분 연산자의 왼쪽 특이벡터와 측정 행렬의 곱에 대해 제한된 이소메트릭 성질을 확립하는 것.
• 서브가우시안 혼합 과정 이론과 McDiarmid의 부등식의 변형을 활용하여 양자화 오차의 편차를 근사하는 것.
• 기존의 무작위 샘플링 연구들과 구별되게, 무작위로 반복 없이 선택된 샘플링 구조를 증명 과정에서 활용하는 것.

실험 결과

연구 질문

• RQ1 안정적이고, 가능하면 1비트인 시그마-델타 양자화가 부분 무작위 순환 행렬에 대해 복원 오차에 다항식 감소를 이룰 수 있는가?
• RQ2 비양자화 노이즈가 존재하거나 신호가 엄격한 희박성이 아닐 경우 복원 오차는 어떻게 행동하는가?
• RQ3 구조적 측정 행렬(부분 무작위 순환 행렬)이 i.i.d. 서브가우시안 행렬에 비해 양자화 오차 감소율에 어떤 영향을 미치는가?
• RQ4 순환 행렬과 차분 연산자를 포함한 양자화 인식 측정 시스템에 대해 제한된 이소메트릭 성질을 확립할 수 있는가?
• RQ5 부분 순환 행렬에서의 반복 없이 선택된 샘플링이 i.i.d. 샘플링보다 더 강력한 농도 경계를 제공하는가?

주요 결과

• 양자화로 인한 복원 오차가 측정 수와 함께 다항식적으로 감소하며, i.i.d. 서브가우시안 행렬의 결과와 일치한다.
• 비양자화 노이즈에 대해 강인성을 확보하며, 유한한 노이즈 하에서 오차가 점진적으로 악화된다.
• 기초 신호가 엄격한 희박성이 아닐 경우에도 방법이 안정적이며, 오차가 최적의 s-희박 근사에 의해 제한된다.
• 측정 행렬과 r차수 차분 연산자의 왼쪽 특이벡터의 곱에 대해 제한된 이소메트릭 성질이 입증된다.
• 증명 기법은 무작위로 반복 없이 선택된 샘플링에 맞게 조정된 McDiarmid의 부등식과 서브가우시안 혼합 과정의 경계를 활용한다.
• 양자화된 측정치 간 차이의 서브가우시안 노름에 대한 경계가 $ \frac{\sqrt{m}}{\ell}\|x-y\|_{\hat{\infty}} $ 비례함을 입증하여 농도 제어가 가능함을 보였다.