[論文レビュー] A Sharp Condition for Exact Support Recovery of Sparse Signals With Orthogonal Matching Pursuit

Jinming Wen, Zhengchun Zhou+3 more|arXiv (Cornell University)|Jul 10, 2018

Sparse and Compressive Sensing Techniques参考文献 21被引用数 5

ひとこと要約

本稿は、$ l_2 $-有界ノイズ下でのスパース信号の正確なサポート回復に関して、直交匹配 Pursuit (OMP) を用いた鋭い十分条件を確立する。感応行列が $ \delta_{K+1} < \frac{1}{\sqrt{K+1}} $ を満たし、最小非ゼロ信号振幅が導出された閾値を上回る場合、OMP は $ K $ イテレーションで正確にサポートを回復する。この条件は最適であり、任意の $ \delta_{K+1} \geq \frac{1}{\sqrt{K+1}} $ に対して失敗が生じ得るため、ノイズあり状況下における OMP に対する既知で最もタイトな RIP に基づく境界である。

ABSTRACT

Support recovery of sparse signals from noisy measurements with orthogonal matching pursuit (OMP) has been extensively studied in the literature. In this paper, we show that for any $K$-sparse signal $\x$, if the sensing matrix $\A$ satisfies the restricted isometry property (RIP) of order $K + 1$ with restricted isometry constant (RIC) $δ_{K+1} &lt; 1/\sqrt {K+1}$, then under some constraint on the minimum magnitude of the nonzero elements of $\x$, the OMP algorithm exactly recovers the support of $\x$ from the measurements $\y=\A\x+\v$ in $K$ iterations, where $\v$ is the noise vector. This condition is sharp in terms of $δ_{K+1}$ since for any given positive integer $K\geq 2$ and any $1/\sqrt{K+1}\leq t&lt;1$, there always exist a $K$-sparse $\x$ and a matrix $\A$ satisfying $δ_{K+1}=t$ for which OMP may fail to recover the signal $\x$ in $K$ iterations. Moreover, the constraint on the minimum magnitude of the nonzero elements of $\x$ is weaker than existing results.

研究の動機と目的

• スパース信号の正確なサポート回復を保証する、制限付き等長性定数 (RIC) $ \delta_{K+1} $ のタイトで鋭い条件を確立すること。
• 従来の十分条件を改善し、非ゼロ成分の最小振幅に必要な下限を弱める。
• 任意の $ K \geq 2 $ に対して、$ \delta_{K+1} \geq \frac{1}{\sqrt{K+1}} $ の場合に OMP が失敗する反例を構成することで、提案条件の鋭さを示すこと。
• 特にノイズありの圧縮センシング状況において、既存の OMP 回復保証結果を統合・強化する理論的枠組みを提供すること。

提案手法

• 感応行列の $ \delta_{K+1} $ に関する十分条件を、$ l_2 $-有界ノイズ下での $ K $-スパース信号の OMP を用いた正確なサポート回復に対して導出する。
• 現在のサポート推定の直交補空間への射影に基づく、独創的な解析フレームワークを導入する。
• RIP を用いて、残差ベクトルと現在のサポートに含まれない感応行列の列との相関を制限する。
• 各 OMP イテレーションにおける最大相関の大きさの下界を確立し、正しくサポートが選択されることを保証する。
• 残差ノルム $ \|\boldsymbol{r}^k\|_2 > \epsilon $ を基準に停止基準を適用し、完全なサポート回復が完了するまでアルゴリズムが終了しないようにする。
• 任意の $ K \geq 2 $ および $ t \in [1/\sqrt{K+1}, 1) $ に対して、$ \delta_{K+1} = t $ を満たす信号と行列が存在し、OMP が $ K $ イテレーションでサポートを回復できないことを構成的証明により示し、鋭さを証明する。

実験結果

リサーチクエスチョン

• RQ1 スパース信号の正確なサポート回復を保証する、$ \delta_{K+1} $ の最もタイトな上界は何か？ これは $ l_2 $-有界ノイズ下での OMP に対して成り立つ。
• RQ2 同じ RIP 条件下で、本稿の結果と比較して、信号 $ \boldsymbol{x} $ の非ゼロ成分に必要な最小振幅はどのように異なるか？
• RQ3 提案された条件が鋭いかどうか、すなわち、ある $ K $-スパース信号と感応行列に対して $ \delta_{K+1} \geq \frac{1}{\sqrt{K+1}} $ の場合に OMP が失敗することが保証されるか？
• RQ4 提案条件は、$ \delta_{K+1} $ と信号振幅制約の両面で、既存の十分条件を上回っているか？
• RQ5 ノイズあり状況下での OMP において、残差ノルムと停止基準の関係は何か？ そして、サポート回復にどのように影響するか？

主な発見

• 条件 $ \delta_{K+1} < \frac{1}{\sqrt{K+1}} $ が満たされれば、ノイズベクトル $ \boldsymbol{v} $ の $ l_2 $ ノルムが $ \epsilon $ で有界である限り、任意の $ K $-スパース信号 $ \boldsymbol{x} $ のサポートが OMP により $ K $ イテレーションで正確に回復される。
• 非ゼロ成分の最小振幅に必要な下限は、[17] で導出されたものよりも弱く、条件がより実用的である。
• 条件 $ \delta_{K+1} < \frac{1}{\sqrt{K+1}} $ は鋭い：任意の $ K \geq 2 $ および任意の $ t \in [\frac{1}{\sqrt{K+1}}, 1) $ に対して、$ \delta_{K+1} = t $ を満たす $ K $-スパース信号 $ \boldsymbol{x} $ と感応行列 $ \boldsymbol{A} $ が存在し、OMP は $ K $ イテレーションでサポートを回復できない。
• 提案条件は、従来の最良の既知の境界 $ \delta_{K+1} < \frac{\sqrt{4K+1}-1}{2K} $ よりも優れている。$ K \geq 2 $ に対して $ \frac{\sqrt{4K+1}-1}{2K} < \frac{1}{\sqrt{K+1}} $ が成り立つため、成功回復のための許容領域がより広がっている。
• 解析により、提案条件のもとで不等式 $ \frac{2\epsilon}{1 - \sqrt{K+1}\delta_{K+1}} \leq \frac{(\sqrt{1+\delta_{K+1}}+1)\epsilon}{1 - \delta_{K+1} - \sqrt{1 - \delta_{K+1}}\sqrt{K}\delta_{K+1}} $ が厳密に成り立つことが確認され、改善された信号振幅閾値が裏付けられる。
• 感応行列 $ \boldsymbol{A} $ の列正規化を仮定する必要がなく、従来の正規化を仮定する研究と比較して、適用範囲が広がっている。