그래프 신호의 A‑최적 샘플링과 견고 복원을 위한 트렁케이트된 네우만 급수 활용

초록

본 논문은 그래프 신호의 밴드제한 복원을 위해 평균제곱오차(MSE)를 최소화하는 A‑최적 샘플링 방식을 제안한다. 정보 행렬의 역을 네우만 급수로 전개하고, 이를 저역통과 그래프 필터의 부분 행렬로 변환한 뒤 Chebyshev 다항식으로 근사한다. 트렁케이트된 급수를 이용한 목적 함수를 그리디 알고리즘으로 최적화하고, 동일한 근사 필터를 재활용한 복원 방법을 도입해 기존 최소제곱 복원보다 노이즈에 강인함을 보인다. 실험 결과는 제안 방법이 복잡도는 비슷하면서도 MSE 면에서 기존 두 방법을 능가함을 확인한다.

상세 분석

이 연구는 그래프 신호 처리(GSP) 분야에서 샘플링 문제를 A‑optimal 설계 기준으로 접근한다. A‑optimality는 정보 행렬의 역(trace) 최소화를 의미하며, 이는 독립이고 동일한 분산(iid) 노이즈가 존재할 때 평균제곱오차(MMSE)와 동일한 목표가 된다. 기존 연구들은 이 목표를 직접 구현하기 위해 행렬 역연산이나 전체 고유값 분해가 필요해 O(n³)의 계산 복잡도를 초래했으며, 실용적인 대규모 그래프에 적용하기 어려웠다.

논문은 먼저 (C V_K)ᵀ C V_K 의 역이 Neumann 급수와 동등함을 증명한다. 여기서 C는 샘플링 행렬, V_K는 그래프 라플라시안의 저주파 고유벡터 집합이다. Neumann 급수는 ρ(I − Ψ) < 1 조건 하에 수렴하는데, 이는 샘플링 행렬이 풀 컬럼 랭크를 가질 때 보장된다. 급수를 L번째까지 트렁케이트하면 근사 오차는 δ_i(= eigenvalues of I − Ψ) 에 의해 제어되며, L을 충분히 크게 잡으면 오차는 무시할 수 있다.

다음 단계에서는 트렁케이트된 급수 표현을 그래프 저역통과 필터 T = V_K V_Kᵀ 로 변환한다. 이때 T는 스펙트럼 도메인에서 λ ≤ λ_K 구간을 1, 그 외를 0으로 하는 이상적인 저역통과 필터이다. 직접 T를 계산하려면 V_K 전체가 필요하지만, 저역통과 필터는 라플라시안 L에 대한 다항식으로 근사 가능하다. 저자들은 Chebyshev 다항식 근사를 채택해 T ≈ T_poly = Σ_{j=0}^p β_j L^j 로 표현한다. Chebyshev 다항식은 근사 정확도가 높고, L이 희소 행렬일 경우 연산 비용이 O(p|E|) 로 매우 효율적이다.

목적 함수는 이제 tr