[论文解读] Random sampling of bandlimited signals on graphs

Gilles Puy, Nicolas Tremblay+2 more|arXiv (Cornell University)|Nov 16, 2015

Sparse and Compressive Sensing Techniques参考文献 50被引用 6

一句话总结

该论文提出了两种用于在图上重构k带限信号的随机采样策略：一种基于图一致性的非自适应方法，以及一种实现O(k log k)最优采样复杂度的自适应方法。自适应策略采用精心设计的采样分布和计算高效的解码器，即使在噪声条件下，也能以高概率实现稳定且准确的信号恢复。

ABSTRACT

We study the problem of sampling k-bandlimited signals on graphs. We propose two sampling strategies that consist in selecting a small subset of nodes at random. The first strategy is non-adaptive, i.e., independent of the graph structure, and its performance depends on a parameter called the graph coherence. On the contrary, the second strategy is adaptive but yields optimal results. Indeed, no more than O(k log(k)) measurements are sufficient to ensure an accurate and stable recovery of all k-bandlimited signals. This second strategy is based on a careful choice of the sampling distribution, which can be estimated quickly. Then, we propose a computationally efficient decoder to reconstruct k-bandlimited signals from their samples. We prove that it yields accurate reconstructions and that it is also stable to noise. Finally, we conduct several experiments to test these techniques.

研究动机与目标

• 解决在大规模图上采样k带限信号的挑战，其中传统最优采样集的计算在计算上不可行。
• 放宽对精确最优采样集的要求，以实现适用于大规模图的可扩展解决方案。
• 开发一种随机采样框架，确保以高概率实现k带限信号的稳定且准确的恢复。
• 设计一种自适应采样策略，最小化完美重构所需的采样数，实现O(k log k)的采样复杂度。
• 提出一种计算高效的解码器，用于从随机采样中重构带限信号，并提供关于准确性和噪声稳定性的理论保证。

提出的方法

• 提出一种非自适应采样策略，通过均匀随机选择节点，其性能依赖于图一致性的参数。
• 引入一种自适应采样策略，利用从头k个图傅里叶模态导出的采样分布，以最小化采样复杂度。
• 将k阶图加权一致性定义为傅里叶模态局部化的关键度量，影响采样性能。
• 设计一种快速算法，从图拉普拉斯矩阵的特征向量估计最优采样分布。
• 基于采样矩阵和图傅里叶基，通过求解约束最小二乘问题，开发一种计算高效的解码器。
• 理论分析证明，该解码器能够实现稳定恢复，且重构误差的界与噪声和信号能量成比例。

实验结果

研究问题

• RQ1 随机采样策略能否在少于k个采样点的情况下，实现对k带限图信号的稳定且准确的恢复？
• RQ2 为确保图上所有k带限信号的稳定恢复，所需的最少采样点数是多少？
• RQ3 图傅里叶模态的局部化程度（以图加权一致性衡量）如何影响采样性能？
• RQ4 能否高效构建一种自适应采样分布，以实现最优采样复杂度？
• RQ5 对带限图信号的随机采样，其重构误差和噪声稳定性的理论界是什么？

主要发现

• 自适应采样策略仅需O(k log k)个采样点，即可以高概率确保所有k带限信号的稳定且准确的恢复。
• 非自适应采样策略的性能取决于图一致性，该参数衡量了前k个傅里叶模态在节点上的局部化程度。
• 所提出的解码器实现了稳定的重构，其误差界依赖于采样矩阵、噪声水平和信号能量。
• 理论分析表明，重构误差受采样矩阵、噪声和信号范数相关项的约束，显式依赖于图的谱特性。
• 实验结果证实，与非自适应和启发式方法相比，自适应采样策略在重构精度和采样效率方面显著更优。
• 采样分布可从图拉普拉斯矩阵的特征向量高效估计，从而实现在大规模图上的实际部署。