[论文解读] Graph Signal Processing: Modulation, Convolution, and Sampling

J. Y. Shi, José M. F. Moura|arXiv (Cornell University)|Dec 14, 2019

Advanced Graph Neural Networks参考文献 52被引用 12

一句话总结

本文提出了一种谱图信号处理框架，通过定义谱移位算子 $M$ 和谱多项式滤波器 $P(M)$，将传统数字信号处理（DSP）概念——调制、卷积和采样——扩展至任意图结构，实现了顶点域与谱域处理之间的对偶性。主要贡献在于提出了一种采样框架，通过 $P(M)_{K_K}$ 的逆运算实现完美信号恢复，解决了以往方法在循环图或环形图之外无法泛化的局限性。

ABSTRACT

To analyze data supported by arbitrary graphs G, DSP has been extended to Graph Signal Processing (GSP) by redefining traditional DSP concepts like shift, filtering, and Fourier transform among others. This paper revisits modulation, convolution, and sampling of graph signals as appropriate natural extensions of the corresponding DSP concepts. To define these for both the vertex and the graph frequency domains, we associate with generic data graph G and its graph shift A, a graph spectral shift M and a spectral graph Gs. This leads to a spectral GSP theory that parallels in the graph frequency domain the existing GSP theory in the vertex domain. The paper applies this to design and recovery sampling techniques for data supported by arbitrary directed graphs.

研究动机与目标

• 通过定义谱域对应概念，将传统DSP概念——调制、卷积和采样——扩展至任意图结构。
• 解决现有图采样方法在非循环图上无法生成有效顶点域采样信号的不一致性问题。
• 建立顶点域与谱域采样之间的对偶性，与经典DSP中的对偶性相呼应。
• 提供一个基于谱移位 $M$ 和多项式滤波器 $P(M)$ 的数学严谨框架，使其超越环形图或循环图的限制。
• 证明依赖于谱域复制（如[46]）的先前方法无法生成有效的顶点域采样信号，且在未正确执行 $P(M)_{K_K}$ 逆运算时不可逆。

提出的方法

• 从图移位 $A$ 导出谱移位算子 $M$，实现谱域信号处理。
• 引入谱多项式滤波器 $P(M)$，使其在图谱域中表现为 $M$-移不变滤波器。
• 建立对偶性：顶点域中的调制对应于谱域中的 $P(M)$ 滤波，反之亦然。
• 提出一种采样框架，其中采样信号 $\delta^{\text{(spl)}}$ 由 $P(M)$ 导出，确保通过 $P(M)_{K_K}$ 的逆运算实现完美恢复。
• 使用逆GFT从谱样本中恢复信号，验证 $P(M) \cdot \widehat{x}$ 在顶点域和谱域中均与真实采样信号一致。
• 通过反例证明，依赖谱域复制的方法（如[46]）在任意图上（尤其是路径图）无法生成有效的顶点域采样信号。

实验结果

研究问题

• RQ1 如何自然地将图信号处理中的调制、卷积和采样从顶点域扩展到谱域？
• RQ2 为何现有谱采样方法在任意图（尤其是非循环图）上无法生成有效的顶点域采样信号？
• RQ3 谱移位算子 $M$ 和谱多项式滤波器 $P(M)$ 在实现顶点域与谱域处理对偶性中起什么作用？
• RQ4 如何在图采样中实现完美信号恢复？采样算子需满足什么条件？
• RQ5 为何经典DSP中的复制效应无法推广至任意图？图信号处理中正确的恢复机制是什么？

主要发现

• 谱移位 $M$ 一般不等于图移位 $A$，且 $G_s \neq G$，表明在图信号处理中谱域与顶点域是独立的。
• 文献[46]提出的方法依赖于谱域复制与低通滤波，在路径图上无法生成有效的顶点域采样信号，因为重构信号中无零点，且与真实插值信号不匹配。
• 图信号处理中的完美恢复要求对矩阵 $P(M)_{K_K}$ 进行逆运算，而不仅仅是应用低通滤波；后者仅在DSP中成立，因其依赖于 $P(M)_{K_K} = I_K$。
• 本研究提出的方法使用 $P(M) \cdot \widehat{x}$ 在顶点域和谱域中均与真实采样信号完全匹配，如 $N=10$ 的路径图示例所示。
• 本文推导出的采样信号 $\delta^{\text{(spl)}}$ 与[31]中的结果等价，但其推导基于谱移位和对偶性的基本原理。
• 当 $A$ 取自(155)式且 $x = [-1.992, 0.93, -0.314, -0.577]^T$ 时，[46]的方法生成的信号既无零点，也与原始信号无关，证明其在非循环图上失效。