[論文レビュー] Signal Space CoSaMP for Sparse Recovery with Redundant Dictionaries

Mark A. Davenport, Deanna Needell+1 more|arXiv (Cornell University)|Aug 1, 2012

Sparse and Compressive Sensing Techniques参考文献 24被引用数 5

ひとこと要約

この論文は、正規直交基底ではなく冗長辞書に表現される信号に対して、スパース信号回復のための新しいアルゴリズム、Signal Space CoSaMP を提案する。D-RIP（辞書制限的等長性）を活用し、係数推定ではなく信号回復に焦点を当てることで、非常に過剰な辞書に対しても、きわめて弱い条件下でも保証された回復性能を提供する。実験結果では、従来の手法を上回る優れた性能を示している。

ABSTRACT

Compressive sensing (CS) has recently emerged as a powerful framework for acquiring sparse signals. The bulk of the CS literature has focused on the case where the acquired signal has a sparse or compressible representation in an orthonormal basis. In practice, however, there are many signals that cannot be sparsely represented or approximated using an orthonormal basis, but that do have sparse representations in a redundant dictionary. Standard results in CS can sometimes be extended to handle this case provided that the dictionary is sufficiently incoherent or well-conditioned, but these approaches fail to address the case of a truly redundant or overcomplete dictionary. In this paper we describe a variant of the iterative recovery algorithm CoSaMP for this more challenging setting. We utilize the D-RIP, a condition on the sensing matrix analogous to the well-known restricted isometry property. In contrast to prior work, the method and analysis are "signal-focused"; that is, they are oriented around recovering the signal rather than its dictionary coefficients. Under the assumption that we have a near-optimal scheme for projecting vectors in signal space onto the model family of candidate sparse signals, we provide provable recovery guarantees. Developing a practical algorithm that can provably compute the required near-optimal projections remains a significant open problem, but we include simulation results using various heuristics that empirically exhibit superior performance to traditional recovery algorithms.

研究の動機と目的

• 標準の圧縮センシングが、スパース性を持つ信号が冗長かつ過剰な辞書において扱えないという限界を解消すること。
• 係数回復ではなく信号の正確な再構成を保証する回復アルゴリズムの開発。これは実用的応用においてより関連性が高い。
• 標準のRIPを辞書ベースの信号モデルに一般化したD-RIP条​​件の下で、理論的回復保証を提供すること。
• 特に辞書が悪条件である場合に、信号中心の回復が係数中心の回復よりもより頑健で正確であることを示すこと。

提案手法

• CoSaMP を拡張し、信号空間に直接作用させることで、明示的な係数推定を回避し、代わりに候補となるスパース信号部分空間への射影に焦点を当てる。
• 信号の辞書 D における最良の k スパース近似を特定する近似的に最適な射影演算子に依存する。この演算子は、計算可能または近似可能であると仮定する。
• D-RIP（辞書制限的等長性）を用いて、安定的かつ頑健な回復を保証し、過剰な辞書を扱えるように標準のRIPを一般化する。
• 各反復で、測定残差と辞書の原子との相関を用いて信号のサポートを同定し、選択された部分空間への射影によって信号推定値を更新する。
• 理論的解析により、D-RIP 条件のもとで δ₄ₖ < 0.1 のとき、信号誤差が各反復で線形に減少することが示された。
• ノイズに強い設計がなされており、誤差境界はノイズレベルおよび D-RIP 定数に比例する。

実験結果

リサーチクエスチョン

• RQ1 スパース性を持つ信号が冗長辞書において表現される場合、標準のCS手法がADの悪条件性のため失敗する中で、圧縮センシングを効果的に拡張できるか。
• RQ2 信号中心の回復（係数ではなく信号そのものを回復する）が、過剰な辞書設定において、より優れた性能とより強い理論的保証をもたらすか。
• RQ3 標準のRIPを辞書ベースのモデルに一般化したD-RIP条件下で、保証された回復性能を確立できるか。
• RQ4 ノイズのある測定値と悪条件な辞書を伴う実用的状況において、信号空間回復と係数空間回復の性能はどのように比較されるか。
• RQ5 信号空間への射影演算子の品質が、全体の回復精度および収束速度に与える影響は何か。

主な発見

• 提案されたSignal Space CoSaMPアルゴリズムは、D-RIP条件下で安定的かつ頑健な信号回復を実現し、信号誤差の減少に関する理論的保証を有する。
• D-RIP定数 δ₄ₖ が 0.1 未満のとき、各反復で信号誤差が定数倍に減少することが保証される。
• ヒューリスティックな射影手法を用いた実験結果から、Signal Space CoSaMP は従来のCoSaMPおよび他のスパース回復アルゴリズムを、再構成精度の観点で上回っている。
• ノイズに対して頑健であり、回復誤差がノイズレベルおよびD-RIP定数の定数倍で有界である。
• 理論的解析により、信号回復誤差が係数回復誤差よりも著しく小さくなることが確認された。特に辞書が悪条件である場合には顕著である。
• 本論文は、冗長辞書設定において、信号中心の回復が係数中心の回復よりも実用的であるだけでなく、理論的にもより妥当であることを確立した。