희소 가우시안 랜덤 투영을 이용한 압축 센싱: 탁월한 측정 효율과 단일 스캔 복구

**1. 서론 및 배경** 압축 센싱은 K‑희소 신호 x∈ℝ^N 을 M (≪ N) 개의 선형 측정 y= xS 으로 복구하는 문제이다. 전통적으로 가우시안 또는 서브가우시안 설계 행렬 S 을 사용하고, 복구는 L1 최소화(기초적인 선형 계획)나 OMP 같은 탐욕적 알고리즘으로 수행한다. 그러나 L1은 계산량이 크고, OMP도 K가 커지면 비효율적이다. 최근 희소 매트릭스를 이용한 “일회 스캔” 복구가 제안됐지만, 비영/음성 신호에 대해 측정 수가 L1 대비 10배 이상 필요했다. **2. 매우 희소 가우시안 투영 모델** 저자들은 가우시안 원소 s_{ij}∼N(0,1) 을 무작위로 0으로 만들 확률 1‑γ 을 적용한다. 즉, r_{ij}∈{0,1} 이며 Pr(r_{ij}=1)=γ. 이렇게 하면 평균적으로 각 열에 γ N 개의 비영 원소만 남아 매우 희소한 설계 행렬이 된다. 측정식은 y_j = Σ_{i=1}^N x_i s_{ij} r_{ij}, j=1,…,M. γ는 보통 1/K 로 설정해, 평균적으로 한 열에 하나의 비영 원소가 남게 만든다. **3. 절대 최소 추정기** 각 좌표 i 에 대해 z_{ij}=y_j s_{ij} r_{ij} 를 계산한다. 이때 r_{ij}=1 인 경우에만 의미가 있다. 절대값이 가장 작은 |z_{ij}| 를 찾고, 그 인덱스를 t 라 하면 \hat{x}_{i,\min}=z_{i,t}. - **통계적 분석**: 조건부로 r_{ij}=1, z_{ij}=x_i + √η_{ij} · (S_2/S_1). 여기서 η_{ij}=Σ_{t≠i} x_t^2 r_{tj} 는 다른 비영 성분이 해당 측정에 포함되는 정도를 나타낸다. S_2/S_1 는 표준 Cauchy 분포를 갖는다. - **오류 확률**: 거짓 양성 Pr(|\hat{x}_{i,\min}|>ε | x_i=0) 는 (7)식으로 정확히 표현되고, Jensen 부등식으로 상한을 구하면 (8)식이 된다. 최악의 경우 γ=1/K, ε→0 이면 Pr≤h(1‑γ)^{K_i} M. 이를 만족하려면 M≥e K log N/δ. - **거짓 음성**: 비영이 아닌 경우의 오류는 (10)식으로 주어지며, ε→0이면 확률이 0에 수렴한다. **4. 타이 추정기** z_{ij}들을 정렬하고 연속적인 차이가 0인 경우(“tie”)를 찾는다. η_{ij}=0이면 z_{ij}=x_i 이므로, 같은 값이 두 번 이상 나타나면 정확히 x_i 를 복원한다. 비영 좌표에서는 η_{ij}=0이 절대 일어나지 않으므로 거짓 양성이 없고, 비영이 아닌 경우는 충분히 많은 “tie”가 발생할 확률이 γ² M² 정도이다. 이 추정기는 큰 절대값을 가진 좌표를 빠르게 식별한다. **5. 두 추정기의 결합** 실제 알고리즘은: 1) 절대 최소 추정기로 전체 좌표를 한 번 스캔, 잠재적 비영 좌표를 식별(거짓 양성 포함). 2) 식별된 좌표에 대해 타이 추정기를 적용해 정확한 값 복원. 필요시 3~4번 반복하여 잔여 오류를 줄인다. 주요 연산은 z_{ij} 계산과 최소값 탐색으로 O(N M) 시간 복잡도이며, 메모리 요구도 낮다. **6. 잡음 모델 확장** 측정에 가우시안 잡음 n_j∼N(0,σ²) 가 추가될 경우, η_{ij}에 σ²가 더해진다. 오류 확률 식은 (23)–(26)식으로 변형되며, 여전히 γ=1/K 일 때 M≥e (2π tan^{-1}(ε/σ)) K log N/δ 을 만족하면 지원 복구가 가능하다. **7. 실험 결과** MIT Sparse Recovery Wiki에 제시된 실험 설정을 그대로 사용해, K=100, N=10⁴ 등 다양한 파라미터에서 측정 수를 동일하게 두었을 때 제안 방법의 복구 정확도가 L1 최소화와 거의 동일하거나 더 우수했다. 특히, 지원 복구 정확도는 e K log N 정도 측정만으로 95% 이상의 성공률을 보였다. 기존 희소 매트릭스 기반 방법은 10~15배 더 많은 측정이 필요했음이 확인되었다. **8. 결론** 극히 희소한 가우시안 투영과 두 간단한 추정기(절대 최소, 타이)만으로도 L1 기반 복구와 동등한 정확도를 달성할 수 있음을 이론·실험 모두에서 입증했다. 계산 비용이 선형이며, 잡음에 대한 견고함도 보장한다. 향후 연구는 γ와 ε 의 최적 선택, 비선형/구조화된 희소성(예: 블록 희소) 적용, 그리고 실시간 스트리밍 환경에서의 적용 가능성을 탐색하는 방향으로 진행될 수 있다.