[논문 리뷰] Sampling and Reconstruction in Different Subspaces by Using Oblique Projections

Peter Berger, Karlheinz Gröchenig|arXiv (Cornell University)|2013. 12. 06.

Numerical methods in inverse problems참고 문헌 1인용 수 6

한 줄 요약

이 논문은 힐버트 공간 내에서 샘플링과 재구성(subspace)이 서로 다른 부분공간에서 일어나는 새로운 샘플링 및 재구성 프레임워크를 제안한다. 여기서는 기저가 아닌 수직 투영을 사용하여 안정적이고 프레임에 의존하지 않는 재구성 방법으로 연산자 $\mathcal{P}_{GP_U(G)^\perp}$를 제안하며, 재구성 공간에 대한 수직 투영에 비해 오차를 최소화하여, 부분공간 간의 각도가 0에서 멀리 떨어져 있을 경우 최적의 준최적성과 안정성을 달성한다.

ABSTRACT

We introduce a new method for the reconstruction of a function from linear measurements by means of oblique projections. The space spanned by the measurement vectors may be different from the subspace in which the function is reconstructed. This method is a variation of the generalized sampling of Adcock and Hansen. In many cases the use of suitable oblique projections yield a better quasi-optimality constants than in generalized sampling.

연구 동기 및 목표

• 샘플링 및 재구성 부분공간이 힐버트 공간 내에서 다를 경우에도 안정적이고 일致된 재구성 방법을 개발하는 것.
• 진짜 신호가 다른 부분공간 근처에 있을 때 프레임 계수로부터 신호를 재구성하는 데 도전하는 문제를 다루는 것.
• 재구성 연산자가 사용된 특정 프레임에 의존하지 않고, 샘플링 및 재구성 부분공간의 닫힌 선형 생성물에만 의존하도록 보장하는 것.
• 연산자 노름과 준최적성 상수를 통해 재구성의 안정성과 근사 품질을 정량화하는 것.
• 일반화된 샘플링과 일致한 샘플링과의 비교를 통해 제안된 방법이 더 뛰어난 내성과 안정성을 보이는 것을 보여주는 것.

제안 방법

• 이 방법은 범위가 $G$이고 핵이 $P_U(G)^\perp$인 기저가 아닌 투영 $\mathcal{P}_{GP_U(G)^\perp}$를 사용하여 측정값 $\mathcal{U}^*f$를 $G$ 내 재구성로 매핑한다.
• 재구성 연산자 $F = Q\mathcal{U}^*$는 샘플링 및 재구성 부분공간의 프레임 수열의 합성 및 분석 연산자에 의해 정의된다.
• 안정성은 측정 공간에 제한된 재구성 맵의 연산자 노름인 $\eta(F) = \|Q|_{\mathcal{R}(\mathcal{U}^*)}\|$로 측정된다.
• 준최적성은 $\|f - Ff\| \leq \mu \|f - P_G f\|$를 만족하는 가장 작은 상수 $\mu(F)$로 정량화된다. 이는 재구성 결과를 $G$ 내 최상의 근사치와 비교한다.
• 이 방법은 일치한 샘플링을 일반화하며, 샘플링 프레임이 타이트할 경우 일반화된 샘플링과 일치한다.
• 부분공간 $G$와 $U$ 사이의 각도 $\varphi_{GU}$의余弦을 사용하여 $\mu$에 대한 이론적 경계를 유도하며, $\mu \leq \sqrt{B}/(\sqrt{A} \cos(\varphi_{GU}))$임을 보여준다.

실험 결과

연구 질문

• RQ1 힐버트 공간 내에서 샘플링 및 재구성 부분공간이 다를 경우 어떻게 안정적이고 일致된 신호 재구성을 달성할 수 있는가?
• RQ2 재구성 오차가 재구성 부분공간 내 최상의 근사치에 대해 유계로 유지되기 위한 조건은 무엇인가?
• RQ3 제안된 기저가 아닌 투영 방법은 일반화된 샘플링 및 일치한 샘플링과 비교해 안정성과 정확도에서 어떻게 다른가?
• RQ4 프레임 선택이 재구성 품질에 어떤 영향을 미치며, 이러한 의존성은 제거될 수 있는가?
• RQ5 샘플링 및 재구성 부분공간 간의 각도는 준최적성과 안정성에 어떤 역할을 하는가?

주요 결과

• 제안된 재구성 연산자 $\mathcal{P}_{GP_U(G)^\perp}$는 프레임 수열 $\{u_j\}$와 $\{g_k\}$에 의존하지 않고, 그들의 닫힌 선형 생성물인 $U$와 $G$에만 의존하므로 프레임에 독립적이다.
• 준최적성 상수 $\mu(\mathcal{P}_{GP_U(G)^\perp})$는 $\sqrt{B}/(\sqrt{A} \cos(\varphi_{GU}))$로 유계이며, 여기서 $A$, $B$는 프레임 경계이고 $\varphi_{GU}$는 부분공간 $G$와 $U$ 사이의 각도이다.
• 예시에서 $G \subset U$일 경우 $\cos(\varphi_{GU}) = 1$이며, $\mu(\mathcal{P}_{GP_U(G)^\perp}) = 1$로 나타나 최적의 성능를 보인다.
• 안정성 상수 $\eta(\mathcal{P}_{GP_U(G)^\perp})$는 한 예에서는 1.77, 다른 예에서는 1로 측정되어 샘플링 프레임의 기하학적 구조에 의존함을 보여준다.
• 첫 번째 예에서 타이트하지 않은 프레임일 경우 제안된 방법은 일반화된 샘플링보다 준최적성에서 뛰어나며, $\mu = 1$ 대비 $1.6$을 기록한다.
• 두 번째 예에서 프레임이 악조건일 경우, $\eta$와 $\mu$ 값이 낮아서 일반화된 샘플링보다 더 안정적이고 정확한 재구성을 보여준다.