[論文レビュー] Convolutional Phase Retrieval via Gradient Descent

Qing Qu, Yuqian Zhang+2 more|arXiv (Cornell University)|Dec 3, 2017

Advanced X-ray Imaging Techniques参考文献 69被引用数 17

ひとこと要約

本稿は、スペクトル初期化と一般化勾配降下法を用いて、ランダムカーネルとの循環畳み込みの大きさのみの測定値から、複素信号を証明可能に効率的に回復する方法を提案する。弱い条件下でも、測定数が $\Omega(n \|\mathbf{C}_\mathbf{x}\|^2 / \|\mathbf{x}\|^2 \cdot \operatorname{poly}\log n)$ スケールする場合、真の信号へグローバル位相の差異を除き線形収束を達成する。

ABSTRACT

We study the convolutional phase retrieval problem, of recovering an unknown signal $\mathbf x \in \mathbb C^n $ from $m$ measurements consisting of the magnitude of its cyclic convolution with a given kernel $\mathbf a \in \mathbb C^m $. This model is motivated by applications such as channel estimation, optics, and underwater acoustic communication, where the signal of interest is acted on by a given channel/filter, and phase information is difficult or impossible to acquire. We show that when $\mathbf a$ is random and the number of observations $m$ is sufficiently large, with high probability $\mathbf x$ can be efficiently recovered up to a global phase shift using a combination of spectral initialization and generalized gradient descent. The main challenge is coping with dependencies in the measurement operator. We overcome this challenge by using ideas from decoupling theory, suprema of chaos processes and the restricted isometry property of random circulant matrices, and recent analysis of alternating minimization methods.

研究の動機と目的

• 既知のランダムカーネルとの循環畳み込みの大きさのみの測定値から複素信号を回復する課題に対処する。
• 構造的ランダム巡回測定行列に起因する依存性に起因する統計的・アルゴリズム的困難を克服する。
• 現実的で構造的な測定モデル下で、畳み込み位相再構成の証明可能に収束する最適化手法を開発する。
• 本手法が、高確率で真の信号へグローバル位相の差異を除き線形収束することを示す。
• 最小限の信号およびカーネル構造に関する仮定の下で、スペクトル初期化と一般化勾配降下法を用いた回復の理論的保証を提供する。

提案手法

• カーネル $\mathbf{a}$ から導かれる巡回行列 $\mathbf{A}$ を用いて、非凸で滑らかでない重み付き最小二乗誤差関数を最小化する問題として畳み込み位相再構成を定式化する：$ f(\mathbf{z}) = \frac{1}{2m}\left\|\mathbf{b}^{1/2} \odot (\mathbf{y} - |\mathbf{A}\mathbf{z}|)\right\|^2 $。
• 測定モデルの構造とランダム巡回行列の性質を活用して、真の信号に近い初期点をスペクトル初期化により得る。
• 滑らかでない性質に対処するため、部分勾配更新を用いて非凸目的関数を繰り返し最小化する一般化勾配降下法を適用する。
• 依存性制約下での収束分析にあたり、分離理論、カオス過程の上限、ランダム巡回行列の制限等長性性（RIP）のツールを活用する。
• 構造的ランダム行列に特化した濃度不等式とモーメントバウンドを用いて最適化の多様体の幾何的性質を分析し、収束保証を確立する。
• 理論的分析を容易にするために目的関数に重みベクトル $\mathbf{b}$ を導入するが、最終的な回復性能に影響を与えない。

実験結果

リサーチクエスチョン

• RQ1 スペクトル初期化と一般化勾配降下法を用いて、ランダムカーネルとの循環畳み込みの大きさのみの測定値から、複素信号を証明可能に回復できるか？
• RQ2 畳み込み位相再構成モデルにおいて、安定的かつ効率的な回復に必要な最小測定数は何か？
• RQ3 巡回測定行列の行および列における統計的依存性は、勾配ベース手法の収束にどのように影響するか？
• RQ4 畳み込みモデル下で、ランダム巡回行列に対して制限等長性性（RIP）を確立できるか？また、それが回復保証にどのように寄与するか？
• RQ5 畳み込み測定作用素の構造的性質は、一般のランダム行列と比較して、計算の効率性とサンプル複雑度の向上にどの程度寄与するか？

主な発見

• 高確率で、測定数 $m$ が $m \geq \Omega\left(\frac{\|\mathbf{C}_\mathbf{x}\|^2}{\|\mathbf{x}\|^2} n \cdot \operatorname{poly}\log n\right)$ を満たす場合、真の信号 $\mathbf{x}$ はグローバル位相の差異を除き回復される。
• スペクトル初期化により真の信号に $\ell^2$-ノルムで近い初期点が得られるため、反復回数に対する線形収束レートを達成する。
• 統計的依存性の課題を、分離技術とカオス過程の上限を用いることで理論的分析で克服した。
• ランダム巡回行列に対して制限等長性性（RIP）が高確率で成立し、提示されたサンプル複雑度下で安定な回復が可能となる。
• 畳み込み作用素の高速フーリエ変換（FFT）構造のおかげで、反復ごとの計算コストが $\mathcal{O}(m\log m)$、メモリ使用量が $\mathcal{O}(m)$ に抑えられる。
• ノイズに対して回復がロバストであり、信号のノルムと畳み込みカーネルの構造以外に強い仮定を必要としない。