노이즈 환경에서 최적 지원 복원을 위한 임계값 기반 ℓ₁ 최소화

초록

**
본 논문은 잡음이 섞인 무작위 측정값으로부터 희소 신호의 부호 패턴을 복원하는 새로운 선형계획법을 제안한다. 입력·출력 잡음 두 모델을 모두 고려하고, 잡음이 존재한다는 가정을 무시하고 무노이즈 ℓ₁ 최소화(기본 베이시스 퍼슈트)를 수행한 뒤 결과를 양자화한다. 이 “임계값 기반 베이시스 퍼슈트”는 신호가 충분히 희소하고 SNR이 Ω(log n) 이상이면, 측정 수 m = Ω(k log (n/k)) 조건 하에 부호 패턴을 완벽히 복원한다. 이 성능은 최대우도(MLE) 한계와 차원적으로 동일하며, 기존 LASSO·맥스‑코릴레이션 방식보다 잡음 요구조건이 크게 완화된다.

**

상세 분석

**
이 논문은 희소 신호 복원 분야에서 가장 근본적인 질문 중 하나인 “얼마나 적은 측정과 어느 정도의 잡음 수준에서 정확히 지원(비제로 위치와 부호)을 복원할 수 있는가”에 대해 새로운 답을 제시한다. 저자들은 두 가지 잡음 모델을 명확히 구분한다. 첫 번째는 입력 잡음으로, 실제 신호 x에 직접 가우시안 잡음 w가 더해진 뒤 무작위 행렬 G에 투사되는 경우이며, 두 번째는 출력 잡음으로, 순수 투사 Gx에 가우시안 잡음 z가 더해지는 경우이다. 기존 연구는 보통 LASSO나 Dantzig selector와 같은 정규화된 ℓ₁ 최소화 방법을 사용해 ℓ₂‑오차를 최소화하고, 복원 정확도는 SNR이 Ω(√log n) 정도 혹은 희소도 k가 n의 서브선형(예: k = o(n/ log n))이어야 보장된다는 제한이 있었다.

저자들은 “노이즈가 없다고 가정하고” 전통적인 Basis Pursuit (BP) 문제
\