정규 함수 기반 쌍에서의 불확실성 원리와 희소 재구성

본 논문은 “정규 함수 기반 쌍에서의 불확실성 원리와 희소 재구성”이라는 주제로, 무한 차원 함수공간인 Hardy 공간 H₂ 및 그 부분공간인 실안정 실리디얼 전이함수 공간 RH₂에서 두 개의 직교 정규 함수(Orthonormal Rational Function, ORF) 기저를 이용해 전이함수를 희소하게 표현하고, 제한된 주파수 샘플만으로 이를 정확히 복원하는 방법을 제시한다. 1. **배경 및 동기** - 기존 압축 센싱은 유한 차원 벡터에 대해 ℓ₀‑ℓ₁ 전환을 기반으로, 두 개의 직교 기저(예: 스파이크와 푸리에) 사이의 상호 코히어런스 μ가 작을수록 희소 표현이 유일하고 ℓ₁ 최적화로 복원 가능함을 보였다. - 그러나 전이함수와 같은 시스템 모델은 무한 차원의 임펄스 응답을 갖고, 전통적인 “비제로 계수 수” 정의가 적용되지 않는다. 따라서 새로운 희소성 개념과 불확실성 원리가 필요하다. 2. **ε‑희소성 정의** - 계수열 α = (α₁,α₂,…) ∈ ℓ₁ 에 대해, 임계값 ε>0 를 정하고 N_ε(α) = 최소 K s.t. ∑_{k≥K}|α_k| ≤ ε 로 정의한다. - ε‑지원 Γ_ε(α) = {k | |α_k|>0, 1≤k0 를 사용해야 한다. 3. **불확실성 원리 (Theorem 1)** - 두 ORF 기저 {φₖ(z)}와 {ψₗ(z)} 사이의 상호 코히어런스 μ = sup_{k,l}|⟨φₖ,ψₗ⟩| 로 정의한다. - 전이함수 H(z) 가 두 기저 각각에 대해 ε‑희소하게 표현될 때, (q·k₀(ε)+ε)² + (q·k₀'(ε)+ε)² ≥ 2μ 가 성립한다. 여기서 q는 정규화 상수이다. - 이 식은 한 함수가 두 기저 모두에서 동시에 매우 희소할 수 없음을 보이며, μ가 작을수록 더 큰 ε‑희소성을 허용한다는 직관적 의미를 갖는다. 4. **유일성 정리 (Theorem 2)** - H(z) 가 (ε,s)‑희소하고, (q·k₀(ε)+ε)² + (q·k₀'(ε)+ε)² < 1/μ 를 만족하면, 전이함수의 표현 (즉, 계수 θ₁, θ₂) 이 유일함을 증명한다. - ε=0 이고 계수가 유한하면 기존 유한 차원 결과와 일치한다. 따라서 무한 차원 전이함수에도 동일한 유일성 조건이 적용될 수 있음을 확인한다. 5. **μ의 실용적 계산 (Lemma 1)** - ORF 기저의 임펄스 응답을 a_d^{(k)}, b_d^{(l)} 로 나타내면, μ = sup_{k,l}|∑_d a_d^{(k)} b_d^{(l)}| 로 표현된다. - 이는 Kautz, Laguerre, Butterworth 등 구체적인 ORF 기저에 대해 직접 계산 가능하게 하며, 설계 단계에서 μ를 최소화하도록 기저를 선택할 수 있는 근거를 제공한다. 6. **희소 복원 프레임워크** - 단위 원 위의 N개의 주파수 포인트 T_N = {e^{j2π(r-1)/N}} 를 정의하고, 그 중 m개의 인덱스 Ω ⊂ {1,…,N} 를 무작위로 선택한다. - 관측값 y_r = H(e^{jω_r}) (r∈Ω) 로, 행렬 A ∈ ℂ^{m×2∞} 를 구성한다. A의 각 열은 φₖ(e^{jω_r}) 혹은 ψₗ(e^{jω_r}) 로 채워진다. - 목표는 θ =