[論文レビュー] Quantized Compressive Sensing

Wei Dai, Hoa V. Pham+1 more|ArXiv.org|Jan 7, 2009

Sparse and Compressive Sensing Techniques参考文献 19被引用数 34

ひとこと要約

本稿は、測定ベクトルのスカラ量子化、ベクトル量子化、エントロピー符号化量子化に起因する圧縮センシングにおける平均歪みを分析する。スカラ量子化の正確な漸近的歪みレート関数を導出し、ベクトル／エントロピー符号化量子化のための境界を提示する。また、量子化誤差を考慮した修正されたBPおよびSPアルゴリズムを提案し、標準的手法と比較してシミュレーションにおいて顕著に歪みを低減する。

ABSTRACT

We study the average distortion introduced by scalar, vector, and entropy coded quantization of compressive sensing (CS) measurements. The asymptotic behavior of the underlying quantization schemes is either quantified exactly or characterized via bounds. We adapt two benchmark CS reconstruction algorithms to accommodate quantization errors, and empirically demonstrate that these methods significantly reduce the reconstruction distortion when compared to standard CS techniques.

研究の動機と目的

• 量子化によって引き起こされる平均歪みを分析し、最悪ケースの境界を越えて考察すること。
• 測定行列とスパース信号の確率的モデルの下で、スカラ量子化の正確な漸近的歪みレート関数を導出すること。
• ベクトルおよびエントロピー符号化量子化の歪みレート関数の下限および上限を確立すること。
• 標準的な圧縮センシング再構成アルゴリズム（BPおよびSP）を、量子化誤差を扱えるように修正し、再構成精度を向上させること。
• 修正されたアルゴリズムが、量子化が存在する状況で、古典的手法（BPおよびSP）を上回ることを実験的に検証すること。

提案手法

• 測定行列とスパース信号が特定の分布に従う確率的モデルを用いて、スカラ量子化の漸近的歪みレート関数を導出する。
• ランダム行列理論と特異値分解を用いて、測定ベクトルの分布をモデル化し、特に測定行列の主要部分空間に注目する。
• グラム行列 $\mathbf{\Phi}_T\mathbf{\Phi}_T^*$ の固有値分解を用いて、測定空間における信号パワーを特徴付け、歪みの境界を導出する。
• 量子化ノイズモデルを基準 pursuing および部分空間追求アルゴリズムに組み込み、最適化制約を量子化測定に適合させる、修正された再構成フレームワークを提案する。
• 量子化制約下で再構成誤差を最小化する一意の解 $ (\tilde{\mathbf{x}}, \tilde{\mathbf{y}}) $ を見つけるための射影に基づく手法を導入する。
• ガウス型ベクトル量子化の漸近的歪みレート関数を用いて、提案されたアルゴリズムの性能を境界づける。

実験結果

リサーチクエスチョン

• RQ1 確率的モデル下で、圧縮センシング測定値のスカラ量子化に対する正確な漸近的歪みレート関数は何か？
• RQ2 圧縮センシングにおけるベクトルおよびエントロピー符号化量子化の歪みレート関数の下限および上限は、どのように振る舞うか？
• RQ3 標準的な基準 pursuing および部分空間追求アルゴリズムは、測定値が量子化されている場合に歪みを低減できるように修正可能か？
• RQ4 量子化ノイズが存在する状況で、修正されたアルゴリズムは古典的手法（BPおよびSP）に比べてどの程度の性能向上を達成できるか？
• RQ5 測定行列の構造およびスパースパターンは、圧縮センシングにおける量子化歪みにどのように影響を与えるか？

主な発見

• 確率的モデル下で、スカラ量子化の漸近的歪みレート関数は正確に導出され、その極限式はグラム行列 $\mathbf{\Phi}_T\mathbf{\Phi}_T^*$ の固有値を含む。
• ベクトル量子化に関しては、RIP仮定の下で、すべてのサポート集合 $ T $ に対して、歪みレート関数の下限として $ (1 - \delta_K)(1 + o_K(1)) $ が得られる。
• ベクトル量子化の上界は、$ \mathbf{Y} $ に一連の量子化器を適用することで確立され、$ \epsilon \downarrow 0 $ のとき歪みが $ (1 + \delta_K + \epsilon) $ に近づくことが示される。
• 量子化誤差を考慮した修正されたBPおよびSPアルゴリズムは、シミュレーションにおいて標準的手法と比較して顕著に低い再構成歪みを達成する。
• 凸最適化および測定値の量子化可能集合上での射影の議論を用いて、最適解 $ (\tilde{\mathbf{x}}, \tilde{\mathbf{y}}) $ の存在および一意性が証明される。
• 解析により、測定ベクトルの主 $ K $ 次元部分空間のみを量子化すれば最適であり、直交成分は有用な信号を寄与しないことが示される。