극복 복소수와 텐서 SVD를 잇는 새로운 PCP 프레임워크

논문은 최근 텐서 SVD와 circulant algebra 행렬 연구를 바탕으로, 고차원 신호를 다루는 새로운 수학적 다리를 제시한다. 먼저 서론에서 RPCA와 PCP의 기본 개념을 소개하고, 기존 복소수·사원수 기반 확장이 차원 제한(≤4) 때문에 다채널·다중센서 데이터에 적용하기 어려움을 지적한다. 이를 해결하기 위해 Olariu가 제안한 극복 n‑복소수(Kₙ)를 채택한다. Kₙ은 실수 계수와 n개의 단위 e_i 로 구성되며, 곱셈 규칙 e_i e_k = e_{(i+k) mod n}을 갖는다. 이러한 구조는 circulant 행렬 χ(p)와 일대일 동형이며, χ(p)는 p의 계수를 순환적으로 배열한 n×n 행렬이다. 따라서 Kₙ의 산술 연산은 χ를 통해 실수 행렬 연산으로 전환될 수 있다. 다음으로 Kₙ‑행렬(K_{l×m}ⁿ)의 정의와 χ_{l,m} 매핑을 제시한다. Theorem 1은 항등, 곱셈, 덧셈, 전치·켤레, 역원에 대한 동형성을 증명한다. 이를 기반으로 stride‑by‑s 순열 행렬 P와 circulant Fourier transform(CFT), inverse CFT를 정의한다. CFT는 χ_{l,m}(A)를 (I_l⊗F_n)·χ·(I_m⊗F_n^*) 로 블록 대각화하여, 각 블록 ˆA_i (i=1…n) 에 대해 독립적인 SVD를 수행한다. 즉, A = U Σ V* 의 분해는 CFT 도메인에서 ˆU_i ˆΣ_i ˆV_i* 로 얻어지고, inverse CFT를 통해 원래 Kₙ‑행렬로 복원된다. 이 과정은 기존 텐서 t‑SVD와 완전히 동일한 알고리즘 흐름을 갖지만, Kₙ‑구조를 명시적으로 활용해 위상 정보를 보존한다. 본 논문은 이러한 수학적 토대를 바탕으로 PCP를 Kₙ 및 n‑바이컴플렉스(Kₙ^ℂ) 공간으로 일반화한다. 목표 함수는  min_{L,S} ‖L‖_* + λ‖S‖₁ s.t. X = L + S, 여기서 ‖·‖_* 은 trace‑norm, ‖·‖₁ 은 entrywise ℓ₁‑norm이다. 핵심은 두 정규화에 대한 proximal operator를 도출하는 것이다. circulant 동형성을 이용하면 CFT‑공간에서 각 블록에 대해 singular‑value shrinkage와 소프트‑쓰레시딩을 각각 적용할 수 있다. 구체적으로, L에 대한 proximal step은 각 ˆΣ_i 에 대해 σ_j ← max(σ_j – τ, 0) 형태의 singular‑value soft‑thresholding을 수행하고, S에 대한 proximal step은 각 원소에 대해 s ← sign(s)·max(|s| – λτ, 0) 를 적용한다. 이러한 연산은 ADMM 루프 내에서 효율적으로 구현 가능하며, Kₙ‑공간의 위상 정보를 그대로 유지한다. 실험에서는 두 가지 오디오 데이터셋(2‑채널 스테레오와 8‑채널 서라운드 사운드)을 사용해, 제안 방법과 기존 텐서 RPCA(