압축 센싱을 위한 반복 하드 임계값 알고리즘

본 논문은 압축 센싱(Compressed Sensing) 분야에서 널리 사용되는 반복 하드 임계값(Iterative Hard Thresholding, IHT) 알고리즘을 이론적으로 정밀 분석한다. 서론에서는 전통적인 나이퀴스트‑샤논 샘플링 이론이 신호의 구조적 희소성을 활용하지 못한다는 점을 지적하고, 압축 센싱이 신호를 선형 연산 Φ를 통해 저차원 관측 공간으로 매핑함으로써 샘플 수를 크게 줄일 수 있음을 설명한다. 기존의 ℓ₁ 최소화 기반 방법과 Orthogonal Matching Pursuit, CoSaMP 등 그리디 알고리즘들의 장단점을 간략히 소개한 뒤, IHT가 이들에 비해 구현이 단순하고 메모리 요구량이 적으며, 비슷한 복원 성능을 제공한다는 동기를 제시한다. 두 번째 섹션에서는 희소 신호 모델과 압축 센싱 문제를 수학적으로 정의한다. 신호 y∈ℂᴺ은 s‑희소 혹은 p‑압축가능(p‑compressible) 형태로 가정하고, 관측 모델 x = Φy + e (Φ∈ℂᴹˣᴺ, e는 노이즈) 를 채택한다. 제한 등거리 특성(RIP)을 변형한 형태로 정의하고, βₛ < 1이라는 조건이 만족될 때 Φ가 s‑희소 벡터의 ℓ₂ 노름을 거의 보존한다는 사실을 제시한다. 또한, RIP가 만족되는 경우 ΦᵀΦ의 고유값이