[論文レビュー] Almost sure localization of the eigenvalues in a gaussian information plus noise model. Applications to the spiked models

Philippe Loubaton, Pascal Vallet|arXiv (Cornell University)|Sep 29, 2010

Random Matrices and Applications参考文献 12被引用数 6

ひとこと要約

本稿は、固定ランクの信号行列を有するスプライクモデルに焦点を当て、ガウスノイズ付き情報行列モデルにおける固有値のほとんど確実な局在を確立する。複素解析とローチェの定理を用いて、最大固有値が信号強度およびシステム次元に依存する明示的な確率的極限にほとんど確実に収束することを証明し、先行研究におけるランダム行列理論の結果に対する代替的導出を提供する。

ABSTRACT

Let $\boldsymbolΣ_N$ be a $M imes N$ random matrix defined by $\boldsymbolΣ_N = \mathbf{B}_N + σ\mathbf{W}_N$ where $\mathbf{B}_N$ is a uniformly bounded deterministic matrix and where $\mathbf{W}_N$ is an independent identically distributed complex Gaussian matrix with zero mean and variance $\frac{1}{N}$ entries. The purpose of this paper is to study the almost sure location of the eigenvalues $\hatλ_{1,N} \geq ... \geq \hatλ_{M,N}$ of the Gram matrix ${\boldsymbol Σ}_N {\boldsymbol Σ}_N^*$ when $M$ and $N$ converge to $+\infty$ such that the ratio $c_N = \frac{M}{N}$ converges towards a constant $c > 0$. The results are used in order to derive, using an alernative approach, known results concerning the behaviour of the largest eigenvalues of ${\boldsymbol Σ}_N {\boldsymbol Σ}_N^*$ when the rank of $\mathbf{B}_N$ remains fixed when $M$ and $N$ converge to $+\infty$.

研究の動機と目的

• ガウス情報＋ノイズモデルにおけるグラム行列 $\boldsymbol{\Sigma}_N\boldsymbol{\Sigma}_N^*$ の固有値のほとんど確実な位置を調査すること。
• 信号行列 $\mathbf{B}_N$ が固定ランク $K$ を持つスプライクモデルにおいて、$M,N \to \infty$ かつ $M/N \to c > 0$ の下で、最大固有値の漸近的挙動を導出すること。
• ベンアイシュ＝ナダクダリのスプライクモデルにおける最大固有値の極限挙動に関する結果に対する代替的証明を提供すること。
• 「正確な分離」性質の確立：ほとんど確実に、閾値以下の固有値数や以上の固有値数が、対応する区間内の信号固有値数と一致すること。

提案手法

• $i.i.d.$ 複素ガウス行列 $\mathbf{W}_N$ を用いて $\boldsymbol{\Sigma}_N = \mathbf{B}_N + \sigma\mathbf{W}_N$ と定義される $\boldsymbol{\Sigma}_N\boldsymbol{\Sigma}_N^*$ の固有値分布を分析する。
• 信号行列 $\mathbf{B}_N\mathbf{B}_N^*$ の経験的スペクトル測度と比 $c_N = M/N$ を用いて、極限スペクトル分布の台 $\mathcal{S}_N$ を特徴付ける。
• 固有値クラスタの周囲の小さな近傍における特性方程式の解の数を調べるためにローチェの定理を適用する。
• $\mathbf{B}_N\mathbf{B}_N^*$ の固有値の近傍で特性方程式の漸近展開を実行し、$\hat{\lambda}_{k,N}$ の極限挙動を特定する。
• 台 $\mathcal{S}_N$ の外側の固有値はほとんど確実に存在せず、内部の固有値は「正確な分離」原理により信号固有値と正確に一致することを確立する。
• 解析的摂動論を用いて、最大固有値の極限値が $\lambda_k$, $\sigma^2$, および $c$ の関数として導出される。

実験結果

リサーチクエスチョン

• RQ1 $M,N \to \infty$ かつ $M/N \to c > 0$ の下で、情報＋ノイズモデルにおける $\boldsymbol{\Sigma}_N\boldsymbol{\Sigma}_N^*$ の固有値のほとんど確実な極限位置は何か？
• RQ2 信号行列 $\mathbf{B}_N$ が固定ランク $K$ を持つとき、最大固有値はどのように漸近的に振る舞うか？
• RQ3 区間内の固有値数が信号固有値数と一致するという「正確な分離」性質が、ほとんど確実に厳密に確立可能か？
• RQ4 信号固有値 $\lambda_k$ が臨界閾値 $\sigma^2\sqrt{c}$ よりも大きいか小さいかに応じて、最大固有値の明確な極限値は何か？

主な発見

• もし $\lambda_k > \sigma^2\sqrt{c}$ ならば、$N \to \infty$ の下で $\hat{\lambda}_{k,N} \to \frac{(\sigma^2 + \lambda_k)(\sigma^2 c + \lambda_k)}{\lambda_k}$ ほぼ確実に収束する。
• もし $\lambda_k \leq \sigma^2\sqrt{c}$ ならば、$N \to \infty$ の下で $\hat{\lambda}_{k,N} \to \sigma^2(1 + \sqrt{c})^2$ ほぼ確実に収束する。
• 正確な分離性質が成立する：十分に大きな $N$ に対して、$\boldsymbol{\Sigma}_N\boldsymbol{\Sigma}_N^*$ の $a$ より小さい固有値数や $b$ より大きい固有値数が、$\mathbf{B}_N\mathbf{B}_N^*$ の $[0,a]$ または $[b,\infty)$ 内の信号固有値数と一致する。
• 固有値 $\hat{\lambda}_{k,N}$ は $\lambda_k$, $\sigma^2$, および $c$ に明示的に依存する確率的極限値に収束し、$\lambda_k$ が臨界閾値 $\sigma^2\sqrt{c}$ を超えるか否かに応じて異なる挙動を示す。
• 証明は、ローチェの定理を用いた近傍での固有値解の数え上げと漸近展開の導出に、複素解析的手法に依存する。
• 結果は、固有値局在と解析的摂動論に基づく新しいアプローチにより、既知のスプライクモデルにおける最大固有値の極限挙動を確認および再導出する。