무제한 샘플링을 위한 일반화 근사 메시지 전달 기반 희소 신호 복원

본 논문은 자기 복원(Self‑Reset, SR) ADC와 압축 센싱(Compressed Sensing, CS) 시스템을 결합한 새로운 신호 복원 프레임워크를 제안한다. 서론에서는 전통적인 나이키스트‑샤논 이론이 무한 정밀도와 무한 동적 범위를 전제로 하지만, 실제 ADC는 제한된 동적 범위와 양자화 비트 수 때문에 클리핑·포화 현상이 발생한다는 점을 지적한다. 이러한 문제를 완화하기 위해 Bhandari 등은 SR ADC를 도입했으며, 입력이 임계값 λ 범위 밖에 있으면 주기적으로 “fold”시켜 무제한 샘플링을 가능하게 한다. 기존 연구는 SR ADC와 압축 센싱을 별도로 다루었으며, SR ADC가 적용된 압축 센싱의 위상 전이 분석은 부족했다. 본 연구는 두 가지 주요 기여를 한다. 첫째, CS 측정값이 AWGN 채널을 통해 전송된 뒤 SR ADC에 의해 비선형 변환되는 시스템 모델을 수식화한다. 측정값 y* = Ax + w ( w ∼ N(0,σ_w²I) )가 SR ADC 함수 M_λ(·) 에 의해 y = M_λ(y*) 가 된다. 여기서 M_λ 은 2λ 주기의 “folding” 연산이며, (1)식과 (3)식으로 정의된다. 둘째, 이 비선형 관측 모델에 대해 일반화 근사 메시지 전달(Generalized Approximate Message Passing, GAMP) 알고리즘을 맞춤 설계한다. 신호 모델은 K‑희소 벡터 x ∈ ℝ^N 이며, 각 원소는 Bernoulli‑Gaussian 혼합 분포 p_{x_i}(x) = (1−ε)δ(x) + ε 𝒩(x;0,σ²) 를 따른다. 측정 행렬 A ∈ ℝ^{n×N}은 i.i.d. 가우시안 엔트리(평균 0, 분산 1/N)로 구성된다. 따라서 z = Ax 는 평균 0, 분산 σ_z² = εσ² 를 갖는 가우시안 변수가 된다. GAMP 알고리즘은 네 단계로 구성된다. (1) 선형 측정 단계에서는 현재 추정값 x̂_{t−1} 와 분산 v_{x}^{t−1} 을 이용해 v_p^t = (A∘A)v_x^{t−1} 와 p̂^t = A x̂_{t−1} − v_p^t∘ŝ^{t−1} 을 계산한다. (2) 비선형 측정 단계에서는 SR ADC에 대한 사후 평균 E{z|y} 와 분산 Var{z|y} 을 구한다. 이는 식 (12)와 표 1에 제시된 폐쇄형 식을 통해 구현된다. (3) 선형 추정 단계에서는 v_r^t =