구조화된 부분공간 합에서 신호의 강인 복구
본 논문은 m개의 후보 부분공간 중 k개를 선택해 합친 구조화된 부분공간에 속하는 신호를, 임의의 선형 샘플링으로부터 복구하는 일반적인 프레임워크를 제시한다. 신호 복구 문제를 고정된 블록 구조를 갖는 블록-희소 벡터 복구 문제로 변환하고, 혼합 ℓ₂/ℓ₁ 최소화 프로그램을 이용한 볼록 최적화 알고리즘을 설계한다. 블록 제한 등거리 특성(block‑RIP)을 도입해 알고리즘의 정확성, 잡음·모델링 오류에 대한 안정성을 이론적으로 보장한다. 또한…
저자: Yonina C. Eldar, Moshe Mishali
본 논문은 신호 복구 이론에서 “신호가 알려진 하나의 선형 부분공간에 속한다”는 전통적인 가정을 넘어, m개의 후보 부분공간 {A₁,…,A_m} 중 정확히 k개의 부분공간을 선택해 만든 합공간에 신호가 존재한다는 구조화된 유니온 모델을 연구한다. 이러한 모델은 압축 센싱(CS)의 k‑희소 신호, 블록‑희소 신호, 다중 측정 벡터(MMV) 등 다양한 실제 응용을 포괄한다.
1. **문제 정의와 모델링**
- 신호 x∈H(일반적인 힐베르트 공간)와 선형 샘플링 연산자 S:ℝⁿ→H를 통해 y = S* x 라는 n개의 샘플을 얻는다.
- 각 후보 부분공간 A_j는 유한 차원 d_j를 갖고, V_i = Σ_{j∈J_i} A_j (|J_i|=k) 형태의 합공간을 만든다.
- 신호 x는 정확히 하나의 V_i에 속한다는 전제가 있다.
2. **블록‑희소 변환**
- x를 각 A_j의 기저에 대한 계수 벡터 c_j의 합으로 표현하면, 전체 계수 벡터 c =
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기