소음 환경에서 스무딩 L0 노름을 이용한 근사 희소 분해

본 논문은 희소 성분 분석(Sparse Component Analysis, SCA)에서 관측 신호에 잡음이 섞인 상황을 다루기 위해, 기존의 빠른 L0‑norm 기반 알고리즘인 SL0를 일반화한 SL0DN(Smoothed L0‑norm Denoising) 방법을 제안한다. 1. **배경 및 문제 정의** - 선형 즉시 혼합 모델 x = As + n 에서 A 는 알려진 혼합 행렬, s 는 희소 소스 벡터, n 은 가우시안 잡음이다. - 차원 n < m (과잉완전)인 경우, 무한히 많은 해가 존재하므로 “희소성”이라는 추가 제약을 도입해 최소 ‖s‖₀ 를 찾는 것이 목표가 된다. - 기존 방법으로는 Basis Pursuit(ℓ₁ 최소화)와 Matching Pursuit 등이 있으나, 계산량이 크거나 근사 정확도가 떨어지는 단점이 있다. 2. **SL0 알고리즘 복습** - SL0는 ‖s‖₀ 를 연속적으로 근사하는 스무딩 함수 Fσ(s)=∑exp(−s_i²/(2σ²)) 을 도입하고, σ 를 점차 감소시키면서 As = x 제약 하에 m − Fσ(s) 을 최소화한다. - 이 과정은 steepest‑descent 로 구현되며, σ 가 작아질수록 지역 최소에 빠질 위험이 있어 점진적 감소 전략을 사용한다. 3. **제안 방법: SL0DN** - 잡음이 존재하면 정확한 등식 As = x 을 강제하면 오히려 복원 품질이 저하된다. 따라서 제약을 완화하고, 데이터 적합도 ‖As − x‖₂² 를 비용에 포함한다. - 최적화 목표는 \