[論文レビュー] Exact Dimensionality Reduction for Partial Line Spectra Estimation Problems

Maxime Ferreira Da Costa, Wei Dai|arXiv (Cornell University)|Sep 11, 2016

Sparse and Compressive Sensing Techniques参考文献 28被引用数 3

ひとこと要約

本稿では、凸最適化を用いた部分線スペクトル推定のための正確な次元削減技術を提案し、証明可能な正確な回復が保証されるサブ・ナイキスト採番を可能にしている。三角関数部分空間へのグラムパラメータ化の新規拡張を活用することで、問題を低次元の半定値計画に還元し、マルチレートおよびランダムなサブサンプリングパターンにおいて、多項対数時間計算量を達成するとともに、スーパーレゾリューション能力を維持している。

ABSTRACT

Line spectral estimation theory aims to estimate the off-the-grid spectral components of a time signal with optimal precision. Recent results have shown that it is possible to recover signals having sparse line spectra from few temporal observations via the use of convex programming. However, the computational cost of such approaches remains the major flaw to their application to practical systems. This work investigates the recovery of spectrally sparse signal from low-dimensional partial measurements. It is shown in the first part of this paper that, under a light assumption on the sub-sampling matrix, the partial line spectral estimation problems can be relaxed into a low-dimensional semidefinite program. The proof technique relies on a novel extension of the Gram parametrization to subspaces of trigonometric polynomials. The second part of this work focuses on the analysis of two particular sub-sampling patterns: multirate sampling and random selection sampling. It is shown that those sampling patterns guarantee perfect recovery of the line spectra, and that the reconstruction can be achieved in a poly-logarithmic time with respect to the full observation case. Moreover, the sub-Nyquist recovery capabilities of such sampling patterns are highlighted. The atomic soft thresholding method is adapted in the presented framework to estimate sparse spectra in noisy environments, and a scalable algorithm for its resolution is proposed.

研究の動機と目的

• 部分測定からのスペクトル的にスパースな信号回復における凸最適化の高い計算コストを解消すること。
• サブ・ナイキスト採番下でも正確な回復を保つ次元削減フレームワークの開発。
• 最小限の観測で完全なスペクトル回復を可能にするマルチレートおよびランダムなサブサンプリングパターンの能力の分析。
• ノイズ環境下での原子的ソフトスレッショーディングの適応と、実装に適したスケーラブルなアルゴリズムの設計。
• 複数のサブサンプリングシステムを同時にサポートする共通のグリッドが存在するための理論的条件を確立すること。

提案手法

• 本稿では、三角的多項式部分空間へのグラムパラメータ化の新規拡張を導入し、元の非凸問題の正確な緩和を可能にしている。
• サブサンプリング行列にやや弱い仮定を置いたもとで、部分線スペクトル推定問題を低次元の半定値計画問題として定式化している。
• マルチレートおよびランダムなサブサンプリングに対して、高い確率で完全な回復が保証され、全観測ケースと比較して再構成時間の多項対数的スケーリングが達成されることを証明している。
• 提案フレームワーク内でのノイズ信号処理のため、原子的ソフトスレッショーディング手法を適応させ、効率的計算のためのスケーラブルなアルゴリズムを導出している。
• 複数のサブサンプリングシステムを同時にサポートする共通グリッドの存在の必要十分条件を、整数線形結合およびGCDに基づく制約を用いて導出している。
• 全サブサンプリングシステムをサポートする最小グリッドは、位相オフセットの最大化および展開パラメータのGCD=1条件を用いて特徴付けられている。

実験結果

リサーチクエスチョン

• RQ1 やや弱いサブサンプリング仮定の下で、部分線スペクトル推定問題を低次元の半定値計画問題に正確に緩和できるか？
• RQ2 マルチレートおよびランダムなサブサンプリングパターンは、サブ・ナイキスト採番レートでも正確なスーパーレゾリューション回復を可能にするか？
• RQ3 提案手法の計算量は、全観測法と比較してどの程度か？多項対数的スケーリングを達成できるか？
• RQ4 提案された次元削減フレームワーク内でのノイズのある部分測定に対して、原子的ソフトスレッショーディングをどのように適応できるか？
• RQ5 複数のサブサンプリングシステムに対して共通のサンプリンググリッドが存在する条件は何か？また、最小グリッドはどのように特徴付けられるか？

主な発見

• 提案手法により、三角関数部分空間への新規グラムパラメータ化の拡張を用いて、元の高次元線スペクトル推定問題が低次元の半定値計画問題に削減された。
• マルチレートおよびランダムなサブサンプリングパターンは、ナイキストレートよりも著しく少ないサンプル数でも、本フレームワーク下で線スペクトルの完全な回復を保証する。
• 再構成時間は、全観測ケースと比較して多項対数的にスケーリングされ、採番が減少してもスケーラブルな回復が可能である。
• 本手法はサブ・ナイキスト採番下でもスーパーレゾリューション能力を達成しており、標準的な圧縮センシングと比較して理論的・実用的利点を示している。
• 複数のサブサンプリングシステムに共通するグリッドが存在するための必要十分条件が導出され、最小グリッドは位相オフセットを最大化し、展開パラメータのGCD=1条件を満たすことで一意に特徴付けられている。
• 原子的ソフトスレッショーディングアルゴリズムは次元削減フレームワークに成功裏に適応され、スケーラブルな解法を備えたノイズ環境下でのロバストなスパーススペクトル推定を可能にしている。