1-비트 압축 센싱을 위한 효율적인 알고리즘

Abstract

본 논문에서는 같은 서포트를 가진 일련의 희소 신호가 해당 측정으로부터 동시에 복구되는 다중 측정 벡터(Multiple Measurement Vector, MMV)를 가진 압축 센싱(Compressive Sensing, CS) 문제를 고려한다. 이 문제에는 많은 실용적인 문제(예: 대규모 연결, 통신 효율 연합 학습 등에 대한 능동적인 사용자 탐지 등)가 형성되었다. 또한 통신 효율을 높이기 위해서는 다중 측정 벡터 프레임워크에서의 1-비트 압축 센싱에 대한 연구가 필요하다. 그러나, 베이지안 매칭 추구(Bayesian Matching Pursuit, BMP)와 같은 잘 알려진 1-비트 압축 센싱 알고리즘은 새로운 1-비트 다중 측정 문제에 적용되지 않는다. 이러한 문제에서 우리는 BMP 알고리즘의 확장으로 Turbo-BMP(Turbo-Bayesian Matching Pursuit)라는 새로운 알고리즘을 제안한다. 벤치마크 알고리즘으로써, M-BMP(Multiple Measurement Vector-Bayesian Matching Purrsuit)를 비교하여 시뮬레이션을 진행한다. 시뮬레이션 결과는 제안한 알고리즘인 Turbo-BMP의 우수성을 보여준다.

In this paper, we consider a compressed sensing (CS) problem with multiple measurement vector (MMV), in which a set of sparse signals with the same support are recovered simultaneously from the corresponding measurements. Many practical problems (e.g., active user detection for massive connectivity, communication-efficient federated learning, and so on) have been formulated in this problem. Also, it is necessary to investigate one-bit CS under the MMV framework, in order to boost communication efficiency. Unfortunately, the best-known one-bit CS algorithms such as Bayesian matching pursuit (BMP) is not applicable to the emerging one-bit MMV problems. In these problems, we propose novel algorithms, named Turbo-BMP as nontrivial extensions of BMP, respectively. Simulation results demonstrate the superiority of the proposed algorithm.