[論文レビュー] Blind Deconvolution using Convex Programming

Ali Ahmed, Benjamin Recht+1 more|arXiv (Cornell University)|Nov 21, 2012

Sparse and Compressive Sensing Techniques参考文献 31被引用数 18

ひとこと要約

本稿は、核ノルム最小化による低ランク行列回復に再定式化することで、ブランクデコンボリューションに対する凸最適化手法を提案する。一般かつ広がりのある部分空間仮定の下で、信号次元が $ less N,K} less L$ を満たす場合、2つの未知信号の正確な回復が高確率で可能であることを証明している。応用分野にはチャネル推定および画像のぼかし除去が含まれる。

ABSTRACT

We consider the problem of recovering two unknown vectors, $\boldsymbol{w}$ and $\boldsymbol{x}$, of length $L$ from their circular convolution. We make the structural assumption that the two vectors are members of known subspaces, one with dimension $N$ and the other with dimension $K$. Although the observed convolution is nonlinear in both $\boldsymbol{w}$ and $\boldsymbol{x}$, it is linear in the rank-1 matrix formed by their outer product $\boldsymbol{w}\boldsymbol{x}^*$. This observation allows us to recast the deconvolution problem as low-rank matrix recovery problem from linear measurements, whose natural convex relaxation is a nuclear norm minimization program. We prove the effectiveness of this relaxation by showing that for "generic" signals, the program can deconvolve $\boldsymbol{w}$ and $\boldsymbol{x}$ exactly when the maximum of $N$ and $K$ is almost on the order of $L$. That is, we show that if $\boldsymbol{x}$ is drawn from a random subspace of dimension $N$, and $\boldsymbol{w}$ is a vector in a subspace of dimension $K$ whose basis vectors are "spread out" in the frequency domain, then nuclear norm minimization recovers $\boldsymbol{w}\boldsymbol{x}^*$ without error. We discuss this result in the context of blind channel estimation in communications. If we have a message of length $N$ which we code using a random $L imes N$ coding matrix, and the encoded message travels through an unknown linear time-invariant channel of maximum length $K$, then the receiver can recover both the channel response and the message when $L\gtrsim N+K$, to within constant and log factors.

研究の動機と目的

• 2つの未知信号をその円周的畳み込みから回復するという根本的問題に取り組む。これは構造的仮定なしでは凸でなく、不安定な問題である。
• 核ノルム最小化に基づく凸緩和フレームワークを導入し、特定の構造的条件下で計算可能かつ正確な回復を可能にする。
• 信号が既知の部分空間にあり、一方が一般的で他方が周波数領域に広がっているという条件下で、正確な回復の理論的保証を確立する。
• 通信分野におけるブラインドチャネル推定や画像のぼかし除去といった実世界の問題に適用可能なフレームワークを提供する。
• 測定数 $L$ が $L \gtrsim N + K$ を満たす場合、対数的および定数係数のオーダーで回復が可能であることを示す。

提案手法

• 畳み込み観測の線形性を活用し、外積 $\bm{w}\bm{x}^*$ を用いてブラインドデコンボリューションを低ランク行列回復問題に再定式化する。
• 行列 $\bm{w}\bm{x}^*$ のランクの凸近似として核ノルムを用い、半定値計画法で解ける凸最適化問題に導く。
• 畳み込みのフーリエドメイン表現を活用し、測定演算子の構造とその核空間を分析する。
• 最近の低ランク行列回復に関する結果を応用し、一般部分空間仮定の下で核ノルム最小化が正確にランク1行列を回復できることを示す。
• 濃縮不等式や確率的行列理論を用いた確率的ツールを適用し、成功回復確率の上限を求める。
• 測定演算子が、与えられた条件下で低ランク行列に対して制限等長性性質（RIP）を満たすことを確立し、安定かつ正確な回復を保証する。

実験結果

リサーチクエスチョン

• RQ1 凸最適化を用いて、2つの未知信号が円周的畳み込みから正確に回復可能となる条件は何か？
• RQ2 ブラインドデコンボリューション問題は、保証付きの低ランク行列回復問題に再定式化可能か？
• RQ3 信号が次元 $N$ および $K$ の部分空間に存在する場合、正確な回復を保証するための最小測定数 $L$ は何か？
• RQ4 特に周波数ドメインでの広がりを示す信号部分空間の幾何的およびスペクトル的性質は、回復性能にどのように影響するか？
• RQ5 核ノルム最小化による凸緩和は、一般信号部分空間に対してどの程度正確な回復を達成できるか？

主な発見

• 核ノルム最小化によりランク1行列 $\bm{w}\bm{x}^*$ が回復可能であることが、高確率で保証され、$\max(N,K) \lesssim L$ の条件下で、対数的および定数係数のオーダーで成立する。
• 信号 $\bm{x}$ が次元 $N$ のランダム部分空間から抽出され、$\bm{w}$ が周波数ドメインで広がった基底ベクトルを持つ次元 $K$ の部分空間に属する場合、$\bm{w}$ と $\bm{x}$ は高確率で正確に回復可能である。
• 回復条件 $L \gtrsim N + K$ はほぼ最適であり、測定数が信号部分空間次元の和に線形に比例することを示している。
• 畳み込み構造からなる測定演算子は、提示された条件下で低ランク行列に対して制限等長性性質（RIP）を満たし、安定な回復を可能にする。
• 濃縮測度および確率的行列理論を用いた理論的保証が確立されており、特にフーリエドメインにおける複素ガウスベクトルに対して有効である。
• 結果はノイズに強く、デジタル通信分野におけるブラインドイコライゼーションや未知の点 spread 関数を伴う画像のぼかし除去といった実用的応用に拡張可能である。