블라인드 역문제 학습의 표본 복잡도 분석

초록

본 논문은 블라인드 역문제에서 선형 최소 평균제곱추정기(LMMSE)의 최적 형태를 유도하고, 이를 적절한 티크노프 정규화 문제와 동등하게 만드는 이론을 전개한다. 또한, 샘플 수에 따른 오류 상한을 제시하여 연산적·통계적 수렴 속도를 규명하고, 수치 실험을 통해 이론적 예측을 검증한다.

상세 분석

본 연구는 기존 비블라인드 설정에서 잘 알려진 LMMSE 해석을 블라인드 상황으로 확장한다는 점에서 학문적 의의가 크다. 저자들은 먼저 전방 연산자 A를 확률 변수로 모델링하고, 신호 x와 잡음 ε와의 독립성을 가정한다(A‑1~A‑5). 이러한 가정 하에, 신호와 관측 사이의 교차공분산 C_xy와 관측 자체의 공분산 C_yy를 명시적으로 계산한다. 특히 C_yy는 네 가지 항으로 분해되는데, (i) 평균 연산자와 신호 공분산의 상호작용, (ii) 연산자 공분산과 신호 평균의 상호작용, (iii) 신호와 연산자 공분산 간의 텐서곱 형태인 D, (iv) 잡음 공분산 C_εε가 포함된다. 이때 D는 A의 행·열 독립성에 따라 대각화될 수 있어 계산 복잡도를 크게 낮출 수 있다.

이러한 공분산 구조를 LMMSE 공식 ˆx = E