[論文レビュー] A probabilistic and RIPless theory of compressed sensing

Emmanuel J. Candès, Yaniv Plan|arXiv (Cornell University)|Nov 16, 2010

Sparse and Compressive Sensing Techniques被引用数 10

ひとこと要約

この論文は、制限的等方性性質（RIP）を必要としない、新しい圧縮センシング理論を提案する。これにより、RIPを満たす必要がないにもかかわらず、最小限のランダム測定値から近似的にスパースな信号を正確に復元できる。測定分布の等方性と非一様性の条件を活用することで、$ s \log n $ のノイズ付きフーリエ測定値または一般のランダム測定値で、$ \ell_2 $ 復元誤差が $ \text{polylog}(n) \cdot \frac{s}{m}\sigma^2 $ に有界であることを証明した。これは、RIPに基づく保証と対数的要因を除いて同等である。

ABSTRACT

This paper introduces a simple and very general theory of compressive sensing. In this theory, the sensing mechanism simply selects sensing vectors independently at random from a probability distribution F; it includes all models - e.g. Gaussian, frequency measurements - discussed in the literature, but also provides a framework for new measurement strategies as well. We prove that if the probability distribution F obeys a simple incoherence property and an isotropy property, one can faithfully recover approximately sparse signals from a minimal number of noisy measurements. The novelty is that our recovery results do not require the restricted isometry property (RIP) - they make use of a much weaker notion - or a random model for the signal. As an example, the paper shows that a signal with s nonzero entries can be faithfully recovered from about s log n Fourier coefficients that are contaminated with noise.

研究の動機と目的

• 制限的等方性性質（RIP）に依存しない一般化された確率的フレームワークを構築し、実用的にはRIPの検証が困難である点を回避すること。
• 信号が正確にスパースでない場合や測定値にノイズが混入している現実的状況において、近似的にスパースな信号をアンダーサンプリングされたノイズ付き測定値から復元するという根本的な課題に取り組むこと。
• ランダム信号モデルや強いRIP条件を仮定せず、最小限の仮定—具体的には測定分布の等方性と非一様性—のもとで復元保証を確立すること。
• RIPが成立するかどうか不明な状況でも、$ s\log n $ の測定値が、ノイズが存在する中で近似的に最適な $ \ell_2 $ 復元誤差を達成するのに十分であることを示すこと。
• Gaussian やフーリエモデルなどの既存のモデルを統一的に扱う確率的フレームワークを構築し、新たな測定戦略の実現を可能とすること。

提案手法

• 測定ベクトル $ a_k $ が分布 $ F $ に従い、i.i.d. に抽出される一般化された測定モデルを提案し、構造的設計の必要性を排除すること。
• 2つの主要な仮定を導入：等方性（$ \mathbb{E}[aa^*] = I $）と非一様性（有界な非一様性 $ \mu(F) $）、これらは測定の多様性と安定性を保証する。
• 測定行列がスパース部分空間上で恒等行列からどれだけ逸脱するかを制御するため、ゴルフィングスキーム—逐次的行列構築技術—を用いること。
• 行列 Bernstein 不等式を用いて、偏差の作用素ノルム $ \|A_T^*A_T - I\| $ を有界化し、$ \ell_1 $-最小化による安定な復元を保証すること。
• すべての行の成分が有界である（$ \max_t |a_k[t]|^2 \leq \mu $）という事象 $ G $ に条件を課し、近似的な等方性と尾部挙動の制御を実現すること。
• 良好事象 $ G $ の下で、集中不等式と条件付き期待値の議論を組み合わせることで、高確率での復元誤差の境界を確立すること。

実験結果

リサーチクエスチョン

• RQ1 信号がノイズ付きで正確にスパースでない場合、$ s\log n $ のランダムなフーリエ係数から近似的にスパースな信号を復元できるか？
• RQ2 制限的等方性性質（RIP）を仮定しないで、$ m \approx s\log n $ の場合に安定した $ \ell_2 $ 復元が可能か？
• RQ3 一般化された確率的フレームワークは、Gaussian やフーリエなどの既存の圧縮センシングモデルを統合し、新たな測定戦略を可能にするか？
• RQ4 測定分布 $ F $ に課すべき最小限の仮定（ランダム性を除く）は何か？それが安定な復元を保証するのに十分か？
• RQ5 RIPを仮定しない場合、復元誤差はノイズレベルとスパarsityの両方にどのように依存するか？

主な発見

• $ m \approx s\log n $ のランダムなフーリエ測定値に対して、$ \ell_1 $-最小化は $ \ell_2 $ 誤差が $ \text{polylog}(n) \cdot \frac{s}{m}\sigma^2 $ に有界である信号を復元でき、これはRIPに基づく最良の保証と対数的要因を除いて同等である。
• 等方性と非一様性の仮定のもとで、高確率的に $ \|\hat{x} - x\|_{\ell_2}^2 \leq \text{polylog}(n) \cdot \frac{s}{m}\sigma^2 $ という復元誤差境界が成立し、信号が近似的にスパースであっても成り立つ。
• 理論は広範に適用可能であり、Gaussian やフーリエなどすべての標準的モデルをカバーしており、等方性と非一様性を満たす任意の分布 $ F $ を用いた新たな測定設計も可能である。
• RIPの検証を回避するため、弱い近似的等方性条件と有界成分への条件付けを用いることで、測定行列がスパース部分空間上で適切に振る舞うことを保証する。
• 分析により、必要な測定数 $ m $ は、情報理論的下界 $ \frac{s}{m}\sigma^2 $ に最適であることが示され、対数的要因を除いて最適である。
• フレームワークはノイズに強く、信号が正確にスパースでない場合でも、最良の $ s $-項近似に焦点を当てることで復元が可能である。