[論文レビュー] A Least Squares Approach for Stable Phase Retrieval from Short-Time Fourier Transform Magnitude

Tamir Bendory, Yonina C. Eldar|arXiv (Cornell University)|Oct 4, 2015

Advanced X-ray Imaging Techniques参考文献 13被引用数 6

ひとこと要約

本稿では、短時間離散フーリエ変換（STFT）の位相のない測定値から安定した位相再構成を実現する、3つの新規アルゴリズムを提案する。最小二乗法と半正定値計画法（SDP）を用いることで、信号の事前知識が不要な状態で、ノイズに強く、頑健な信号再構成を達成する。主な貢献は、弱い窓関数の制約のもとで、理論的な安定性保証を有する最小二乗法であり、従来の手法に比べて効率性と頑健性に優れ、SDPの定式化によりノイズ耐性とトレードオフを柔軟に制御可能である。

ABSTRACT

We address the problem of recovering a signal (up to global phase) from its short-time Fourier transform (STFT) magnitude measurements. This problem arises in several applications, including optical imaging and speech processing. In this paper we suggest three interrelated algorithms. The first algorithm estimates the signal efficiently from noisy measurements by solving a simple least-squares (LS) problem. In contrast to previously proposed algorithms, the LS approach has stability guarantees and does not require any prior knowledge on the sought signal. However, the recovery is guaranteed under relatively strong restrictions on the STFT window. The second approach is guaranteed to recover a non-vanishing signal efficiently from noise-free measurements, under very moderate conditions on the STFT window. Finally, the third method estimates the signal robustly from noisy measurements by solving a semi-definite program (SDP). The proposed SDP algorithm contains an inherent trade-off between its robustness and the restrictions on the STFT windows that can be used.

研究の動機と目的

• 光学画像処理や音声処理などの応用分野において、STFT位相のない測定値からの不適切な位相再構成問題を解決すること。
• 信号の事前知識を必要とせず、ノイズに対して頑健で、安定性が保証されたアルゴリズムを開発し、従来の手法が信号の前提条件を必要としたり、ノイズに敏感であるという限界を克服すること。
• 信号のスパarsityやゼロでない成分の仮定をしない、効率的かつスケーラブルな信号再構成ソリューションを提供すること。
• SDP定式化により、ノイズ耐性とSTFT窓関数の制約の間の柔軟なトレードオフを確立すること。
• 既存の代数的および最適化ベースの手法を理論的保証と実用的効率性を兼ね備えた形で拡張すること。

提案手法

• アルゴリズム1を提案：ノイズを含むSTFT位相から信号を推定するための最小二乗（LS）アプローチで、単純な凸最適化問題を解くことで、弱い窓条件のもとで安定性を保証する。
• アルゴリズム2を導入：ノイズなしの非ゼロ信号を正確に再構成するための効率的な代数的手法であり、従来の代数的手法よりも弱い窓制約を要する。
• アルゴリズム3を開発：STFT位相のDFTに制約を組み込むことで、ノイズ耐性と窓制限の両立を図る半正定値計画（SDP）を採用。
• STFT位相のDFTを入力とし、行列 $\mathbf{Z}[m,\ell]$ を介して、構造的行列回復問題に位相再構成問題を変換する。
• 観測されたSTFT位相データと整合性を持つように、推定されたグラム行列の対角成分に制約を課す。そのために $\mathbf{G}_\ell$ 行列を用いる。
• SDP解の固有値分解を用いて、最適な $\widetilde{\mathbf{X}}$ の主要固有ベクトルから信号推定値 $\hat{\mathbf{x}}$ を回復する。

実験結果

リサーチクエスチョン

• RQ1 最小二乗法を用いることで、信号の事前知識が不要な状態で、ノイズを含むSTFT位相から安定的かつ頑健な位相再構成が可能か？
• RQ2 従来の代数的位相再構成手法における窓制約を緩和しつつ、ノイズなし条件下でも正確な再構成を達成できるか？
• RQ3 STFTベースの位相再構成において、ノイズ耐性と窓の柔軟性の両立を図るSDP定式化をどのように設計できるか？
• RQ4 提案手法における計算複雑度、ノイズ耐性、窓制約の間のトレードオフはどのように評価できるか？
• RQ5 精度、速度、安定性の観点から、Griffin-Lim法や[21]のSDPに比べて、提案手法がどれほど優れているか？

主な発見

• アルゴリズム1は、GLAに比べ27倍、[21]のSDPに比べ2634倍の高速化を達成し、高SNR条件下では同等の精度を維持する。
• アルゴリズム2は、長さ $W=5$、$W=23$、$W=41$ の矩形窓を用いたノイズなし非ゼロ信号に対して、回復誤差が無視できるほど小さい（平均誤差 $3.52 \times 10^{-12}$）。
• アルゴリズム3は、低SNRや小さな $\lambda$（例：$\lambda=3$）でも安定した性能を示し、$\lambda$ が $W$ を超えた場合でも誤差は僅かに増加するにとどまる。
• アルゴリズム3のSDP定式化により、$\lambda=5$ の場合に[21]のSDPと比べ3.5倍、$\lambda=23$ の場合に12倍の高速化が達成され、ノイズ耐性は維持または向上した。
• $\lambda$ を $W$ まで増加させることで推定精度が向上するが、理論的予測通り、それ以上の増加は限界効果にとどまる。
• すべてのアルゴリズムは高次元への拡張が可能であり、最大のSTFTオーバーラップ（$L=1$）でも良好に動作するが、$L>1$ については将来の課題として残されている。