| 1 |
1
압축 센싱(compressive sensing) 복원을 위한 부공간 추종(subspace pursuit) 장치로서,잔차 계산 유닛(residual calculation unit, RCU)에 저장되어 있는 잔차 벡터와 센싱 행렬 메모리(sensing matrix memory)에 저장되어 있는 센싱 행렬의 열 벡터들과의 내적을 수행하며 상관관계를 계산하는 제1 내적 유닛(inner product unit type 1);상기 제1 내적 유닛의 출력단에 연결되고 상기 제1 내적 유닛에서 계산된 상관관계 값들을 받아 상관관계가 가장 큰 K 개의 열 벡터 인덱스를 선택하는 제1 정렬 유닛(sorter 0026# merger)-여기서, 상기 K는 희소성 레벨(sparsity level)임-;상기 센싱 행렬 메모리의 상기 센싱 행렬로부터, 희소 해(sparse solution) 추정 과정에서 최소제곱법 문제(least-squares problem, LSP)를 풀 때 필요한 의사 역행렬 계산을 위한 행렬을 계산하여 그람 행렬 버퍼(gram matrix buffer)에 저장하는 제2 내적 유닛;상기 그람 행렬 버퍼에 저장되어 있는 행렬을 숄레스키 분해하고, 분해된 행렬의 역행렬을 계산하는 숄레스키 역행렬 유닛; 및상기 역행렬에 기초하여 상기 행렬의 행렬 값에서 희소해를 추정하는 희소해 추정모듈;을 포함하는 압축 센싱 복원을 위한 부공간 추종 장치
|
| 2 |
2
청구항 1에 있어서,상기 제1 정렬 유닛은 새롭게 선택된 서포트 집합(support set)과 기존의 서포트 집합의 합집합에서 가장 우세한 K개의 서포트를 선택하고,상기 잔차 계산 유닛은 앞서 선택된 K개의 서포트를 포함한 서포트 집합과 상기 희소해 추정모듈의 희소해 추정 결과에 기초하여 잔차 벡터를 갱신하는, 압축 센싱 복원을 위한 부공간 추종 장치
|
| 3 |
3
청구항 2에 있어서,상기 잔차 계산 유닛은 상기 잔차 벡터의 갱신 시 숄레스키 역행열 계산을 건너뛰어 근사적 잔차 벡터를 생성하며, 여기서 상기 근사적 잔차 벡터는 서포트 탐색 과정에 사용되는, 압축 센싱 복원을 위한 부공간 추종 장치
|
| 4 |
4
청구항 1에 있어서,상기 숄레스키 역행렬 유닛은 복수의 연산 모듈들을 각각 구비하는 복수의 연산 모듈(processing element, PE) 그룹들을 구비하고, 여기서 각 PE 그룹은 숄레스키 분해에서 병렬적으로 여러 개의 값을 생성하며, 상기 여러 개의 값은 각 PE 그룹에서 각자의 의존성이 해결되는 대로 생성되는, 압축 센싱 복원을 위한 부공간 추종 장치
|
| 5 |
5
청구항 4에 있어서,상기 숄레스키 분해에서는 희소 해(sparse solution) 추정 과정과 서포트 탐색 과정의 결과가 생성되어 다음 반복(iteration)이 수행되도록 각 PE 그룹의 마지막 LSP를 위한 숄레스키 분해를 건너뛰고, 처음의 LSP를 위한 숄레스키 분해의 결과로서 마지막 LSP을 위한 숄레스키 분해의 결과를 근사하여 지연시간을 단축하는, 압축 센싱 복원을 위한 부공간 추종 장치
|
| 6 |
6
청구항 5에 있어서,상기 각 PE 그룹의 두번째 LSP를 위한 숄레스키 분해는 다음 반복을 위해, 상기 다음 반복의 상기 서포트 탐색 과정과 병렬적으로 수행되는, 압축 센싱 복원을 위한 부공간 추종 장치
|
| 7 |
7
청구항 4에 있어서,상기 숄레스키 역행렬 유닛과 상기 희소해 추정모듈을 포함하는 숄레스키 분해 모듈은 각 PE 그룹의 복수의 연산 모듈들에 각각 연결되는 상기 그람 매트릭스 버퍼, 상기 각 PE 그룹의 출력 값을 저장하는 D 버퍼, 및 버퍼들의 동작을 제어하는 버퍼 컨트롤러를 더 구비하는, 압축 센싱 복원을 위한 부공간 추종 장치
|
| 8 |
8
청구항 7에 있어서,상기 복수의 연산 모듈들 각각은 상기 숄레스키 분해의 결과인 행렬과 상기 행렬의 역행렬을 계산하여 얻은 역행렬 요소 값을 버퍼 컨트롤러에 의해 지정되는 위치에 저장하는 내부 버퍼들을 포함하는, 압축 센싱 복원을 위한 부공간 추종 장치
|
| 9 |
9
압축 센싱(compressive sensing) 복원을 위한 부공간 추종(subspace pursuit) 방법으로서,제1 내적 유닛(inner product unit type 1)에 의해 잔차 계산 유닛(residual calculation unit, RCU)에 저장되어 있는 잔차 벡터와 센싱 행렬 메모리(sensing matrix memory)에 저장되어 있는 센싱 행렬의 열 벡터들과의 내적을 수행하여 상관관계를 계산하는 단계;상기 제1 내적 유닛의 출력단에 연결되는 제1 정렬 유닛에 의해 상기 제1 내적 유닛에서 계산된 상관관계 값들을 받아 상관관계가 가장 큰 K개의 열 벡터 인덱스를 선택하는 단계-여기서, 상기 K는 희소성 레벨(sparsity level)임-; 및상기 센싱 행렬 메모리에 연결되는 제2 내적 유닛에 의해 희소 해(sparse solution) 추정 과정에서 최소제곱법 문제(least-squares problem, LSP)를 풀 때 필요한 의사 역행렬 계산을 위한 행렬을 계산하여 그람 행렬 버퍼(gram matrix buffer)에 저장하는 단계;상기 그람 행렬 버퍼에 연결되는 숄레스키 역행렬 유닛에 의해 상기 그람 행렬 버퍼에 저장되어 있는 행렬을 숄레스키 분해하고 분해된 행렬의 역행렬을 계산하는 단계; 및상기 숄레스키 역행렬 유닛에 연결되는 희소해 추정모듈에 의해 상기 역행렬에 기초하여 상기 그람 행렬 버퍼에 있는 행렬의 행렬 값에서 희소해를 추정하는 단계;를 포함하는 압축 센싱 복원을 위한 부공간 추종 방법
|
| 10 |
10
청구항 9에 있어서,상기 희소해를 추정하는 단계는, 상기 희소해 추정모듈에 의해 상기 제1 내적 유닛에서 계산된 상관관계와 상기 숄레스키 역행렬 유닛의 역행렬 계산 결과에 기초하여 수행되는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 11 |
11
청구항 10에 있어서,상기 잔차 계산 유닛에 의해 잔차 벡터를 계산하는 단계를 더 포함하며,상기 잔차 벡터를 계산하는 단계는, 상기 제1 정렬 유닛에 의해 새롭게 선택된 서포트 집합과 기존의 서포트 집합의 합집합에서 선택되는 K개의 서포트를 포함한 서포트 집합과 상기 희소해 추정모듈의 희소해 추정 결과에 기초하는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 12 |
12
청구항 11에 있어서,상기 잔차 벡터를 계산하는 단계는, 숄레스키 역행열 계산을 건너뛰어 근사적 잔차 벡터를 계산하는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 13 |
13
청구항 9에 있어서,복수의 병렬적 숄레스키 분해를 위한 복수의 연산모듈 그룹 각각은 복수의 연산모듈(processing element, PE)을 구비하고, 각 PE 그룹은 복수의 PE에 의해 병렬적으로 여러 개의 값을 생성하며, 상기 여러 개의 값은 각 PE 그룹에서 각자의 의존성이 해결되는 대로 생성되는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 14 |
14
청구항 13에 있어서,상기 숄레스키 분해에서는 희소 해(sparse solution) 추정 과정과 서포트 탐색 과정의 결과가 생성되어 다음 반복(iteration)이 수행되도록 각 PE 그룹의 마지막 LSP를 위한 숄레스키 분해를 건너뛰고, 처음의 LSP를 위한 숄레스키 분해의 결과로서 마지막 LSP을 위한 숄레스키 분해의 결과를 근사하는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 15 |
15
청구항 14에 있어서,상기 숄레스키 분해는 상기 각 PE 그룹의 두번째 LSP를 위한 숄레스키 분해는 다음 반복을 위해, 상기 다음 반복의 서포트 탐색 과정과 병렬적으로 수행되는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 16 |
16
센싱 행렬과 잔차 벡터의 상관관계를 측정하는 제1 단계;상기 상관관계의 측정으로 계산된 상관관계 값들을 받아 상관관계가 가장 큰 K개의 열 벡터 번호를 서포트 집합으로 설정하는 제2 단계-여기서 상기 K는 희소성 레벨임-;상기 서포트 집합에 기초하여 최소제곱법으로 희소 벡터를 추적하는 제3 단계;상기 추적된 희소 벡터에 기초하여 잔차 벡터를 업데이트하는 제4 단계;상기 제4 단계 후의 반복 과정에서 상기 제1 단계와 상기 제2 단계의 반복 후에 병렬 수행 중인 숄레스키 분해가 종료되면, 재설정된 서포트 집합에 기초하여 최소제곱법으로 희소 벡터를 추정하는 제5 단계;상기 제5 단계에서 추적된 희소 벡터가 큰 K개의 번호를 서포트 집합으로 설정하는 제6 단계;상기 제6 단계에서 설정된 K개의 서포트를 포함하는 서포트 집합에 기초하여 잔차 벡터를 근사화하는 제7 단계; 및상기 잔차 벡터가 임계값보다 작을 때까지 숄레스키 분해를 다시 병렬 수행하며 상기 제1, 제2, 제5, 제6, 제7 단계들을 순차적으로 반복하는 제8 단계;를 포함하는 압축 센싱 복원을 위한 부공간 추종 방법
|
| 17 |
17
청구항 16에 있어서,상기 제5 단계는, 상기 상관관계와 숄레스키 역행렬 유닛의 계산 결과에 기초하여 수행되는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 18 |
18
청구항 16에 있어서,상기 제6 단계는, 새롭게 선택된 서포트 집합과 기존의 서포트 집합의 합집합에서 상기 K개의 서포트를 선택하는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 19 |
19
청구항 16에 있어서,상기 숄레스키 분해에서 역행렬 계산을 수행하는 숄레스키 역행렬 유닛은 복수의 연산 모듈(processing element, PE)을 각각 구비하는 복수의 PE 그룹에 의해 병렬적으로 여러 개의 값을 생성하며, 상기 여러 개의 값은 각 PE 그룹에서 각자의 의존성이 해결되는 대로 생성되는, 압축 센싱 복원을 위한 부공간 추종 방법
|
| 20 |
20
청구항 19에 있어서,상기 희소 벡터 또는 희소 해(sparse solution)의 추정 과정과 서포트 탐색 과정의 결과가 생성되어 다음 반복(iteration)이 수행되도록 상기 숄레스키 분해는 상기 각 PE 그룹의 마지막 최소제곱법 문제(least-squares problem, LSP)를 위한 숄레스키 분해를 건너뛰고, 처음의 LSP를 위한 숄레스키 분해의 결과로서 마지막 LSP을 위한 숄레스키 분해의 결과를 근사하는, 압축 센싱 복원을 위한 부공간 추종 방법
|
