DOI QR코드

DOI QR Code

Sparse Signal Recovery with Parallel Orthogonal Matching Pursuit and Its Performances

병렬OMP 기법을 통한 성긴신호 복원과 그 성능

  • Park, Jeonghong (Department of Information and Communication Engineering, Gyeongsang National University) ;
  • Jung, Bang Chul (Department of Information and Communication Engineering, Gyeongsang National University) ;
  • Kim, Jong Min (Department of Mathematics and Computer Science, Korea Science Academy of KAIST) ;
  • Ban, Tae Won (Department of Information and Communication Engineering, Gyeongsang National University)
  • Received : 2013.06.26
  • Accepted : 2013.08.01
  • Published : 2013.08.31

Abstract

In this paper, parallel orthogonal matching pursuit (POMP) is proposed to supplement the orthogonal matching pursuit (OMP) which has been widely used as a greedy algorithm for sparse signal recovery. The process of POMP is simple but effective: (1) multiple indexes maximally correlated with the observation vector are chosen at the firest iteration, (2) the conventional OMP process is carried out in parallel for each selected index, (3) the index set which yields the minimum residual is selected for reconstructing the original sparse signal. Empirical simulations show that POMP outperforms than the existing sparse signal recovery algorithms in terms of exact recovery ratio (ERR) for sparse pattern and mean-squared error (MSE) between the estimated signal and the original signal.

본 논문에서는 성긴 신호의 복원을 위하여 기존의 직교매칭퍼슛 (orthogonal matching pursuit, OMP) 기술을 보완한 Parallel OMP (POMP) 기법을 제안하고 성능을 분석한다. POMP알고리즘의 과정은 간단하지만 기존 OMP와 비교하여 더 좋은 성능을 보이는 알고리즘이다. POMP 는 첫 번째 반복 과정에서 관찰 행렬과 상관도가 높은 인덱스 집합을 여러 개 선택한다. 선택된 각각의 인덱스를 첫 번째 인덱스로 하는 각각의 POMP 블록에서 OMP 알고리즘 기법이 병렬적으로 동작한다. 마지막으로 신호 복원을 위해 가장 작은 잔류 오차(residual)를 갖는 POMP블록의 인덱스 집합을 선택한다. 컴퓨터 시뮬레이션을 통해 제안된 POMP가 기존의 신호 복원 기술에 비하여 완벽복원비율과 평균 제곱 오차 (MSE) 측면에서 좋은 성능을 보임을 확인하였고, 이미지복원에 있어서는 눈으로 확인 가능할 정도의 성능 개선을 확인하였다.

Keywords

References

  1. E. Candes, J. Romberg, and T. Tao, "Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information," IEEE Trans. Inf. Theory, Vol. 52, no. 2, pp. 489-509, Feb. 2006. https://doi.org/10.1109/TIT.2005.862083
  2. D. Donoho, "Compressed sensing," IEEE Trans. Inf. Theory, vol. 52, no. 4, pp. 1289-1306, Apr. 2006. https://doi.org/10.1109/TIT.2006.871582
  3. B. C. Jung and W. -Y. Shin, "Applications of compressed sensing to next-generation communication networks," KICS Journal, Vol. 28, No. 9, pp. 69-75, Sept. 2011.
  4. J. A. Tropp and A. C. Gilbert, "Signal recovery from random measurements via orthogonal matching pursuit," IEEE Trans. Inf. Theory, vol. 53, no. 12, Dec. 2007.
  5. D. Needell and J. A. Tropp, "CoSaMP: Iterative signal recovery from incomplete and inaccurate samples," Applied and Computational Harmonic Analysis, vol. 26, no. 3, pp. 301-321, Mar. 2009. https://doi.org/10.1016/j.acha.2008.07.002