희소 데이터 획득 한계: 유한 가우시안 행렬의 RIC 분석

압축 센싱(Compressed Sensing, CS)은 신호가 희소(sparse)하거나 압축 가능(compressible)할 때, 전통적인 샘플링보다 훨씬 적은 측정값으로 원본을 복원할 수 있는 이론적 기반을 제공한다. 이때 핵심 설계 요소는 측정 행렬 \(A\in\mathbb{R}^{m\times n}\)이며, 특히 i.i.d. 가우시안 엔트리를 갖는 행렬이 정보 이론적으로 최적임이 알려져 있다. 그러나 실제 시스템에서는 차원 \(m,n\)가 유한하고, 복구 성공 확률을 “거의 확실히(overwhelmingly)”가 아니라 사전에 정해진 목표값 \(1-\epsilon\)에 맞추어 설계해야 한다. 기존 연구들은 주로 대수적 결합(union bound)과 측정 집중 부등식(concentration of measure)을 이용해 RIC(Restricted Isometry Constant) 상한을 추정했으며, 이는 차원이 커질수록는 정확하지만, 작은 \(m\)·\(n\)에서는 지나치게 보수적이다. 본 논문은 이러한 한계를 극복하고, 유한 차원의 가우시안 측정 행렬에 대한 RIC를 정확히 분석하는 새로운 방법론을 제시한다. 핵심 아이디어는 Wishart 행렬 \(W=A_S^{\top}A_S\) (여기서 \(A_S\)는 임의의 \(s\)열 서브행렬)의 최소·최대 고유값 \(\lambda_{\min},\lambda_{\max}\)의 정확한 확률 분포를 이용하는 것이다. 저자들은 최근 연구