[論文レビュー] Exact solutions to Super Resolution on semi-algebraic domains in higher dimensions

Yohann de Castro, Fabrice Gamboa+2 more|arXiv (Cornell University)|Feb 9, 2015

Sparse and Compressive Sensing Techniques参考文献 46被引用数 10

ひとこと要約

本稿では、高次元における半代数的領域におけるスーパーキャラクタリゼーションのための正確な半定値計画法（SDP）定式化を、符号付きRadon測度空間におけるプライマル ℓ₁-最小化問題を直接解くことによって提示する。これにより、従来の双対ベースのSDP緩和法の制限を超えて、3次元を超える次元においてもスパース信号の正確な復元が可能となり、多変数半代数的集合における正確なスーパーキャラクタリゼーションのフレームワークを提供する。

ABSTRACT

We investigate the multi-dimensional Super Resolution problem on closed semi-algebraic domains for various sampling schemes such as Fourier or moments. We present a new semidefinite programming (SDP) formulation of the 1 -minimization in the space of Radon measures in the multi-dimensional frame on semi-algebraic sets. While standard approaches have focused on SDP relaxations of the dual program (a popular approach is based on Gram matrix representations), this paper introduces an exact formulation of the primal 1 -minimization exact recovery problem of Super Resolution that unleashes standard techniques (such as moment-sum-of-squares hier-archies) to overcome intrinsic limitations of previous works in the literature. Notably, we show that one can exactly solve the Super Resolution problem in dimension greater than 2 and for a large family of domains described by semi-algebraic sets.

研究の動機と目的

• 2次元を超える次元における正確なスーパーキャラクタリゼーションの課題に取り組むこと。ここでは、従来の双対SDP緩和法に基づく手法が正確な復元を保証できない。
• 半代数的領域におけるスーパーキャラクタリゼーションのための符号付きRadon測度空間における新しいプライマル ℓ₁-最小化定式化を開発すること。
• 多変数設定における既存のグラム行列ベースの双対緩和法の制限を克服するために、モーメント-平方和階層を活用すること。
• コンパクトな半代数的集合上で、半定値計画法を用いてスパース測度の正確な復元が保証される条件を確立すること。
• 高次元におけるフーリエおよびモーメントサンプリング方式に適用可能な、正確なスーパーキャラクタリゼーションの理論的枠組みを提供すること。

提案手法

• 本稿では、モーメント-平方和階層を用いて、符号付きRadon測度空間におけるプライマル ℓ₁-最小化問題を半定値計画法として定式化する。
• 半代数的集合上での非負多項式の表現を平方和を用いて行うことで、SDP緩和の階層を導入する。
• 測度の実行可能集合をモーメント条件として表現し、測度と多項式の双対性に依存する。
• 次数 k を段階的に増加させる階層を用いて解空間を近似し、一般性の仮定のもとで収束が保証される。
• 双対緩和を避けるために、直接プライマル問題を解くことで、定理1のランク条件を満たす場合に正確な復元が可能になる。
• 理論的基盤は、凸解析に根ざしており、特に平方和の錐の閉包性と、内点条件による部分集合のコンパクト性を含む。

実験結果

リサーチクエスチョン

• RQ1 2次元を超える次元において、双対緩和法ではなく、プライマルSDP定式化を用いることで正確なスーパーキャラクタリゼーションが達成可能か？
• RQ2 半代数的領域およびサンプリング方式（例えばフーリエまたはモーメント）にどのような条件下で、スパース符号付き測度の正確な復元が保証されるか？
• RQ3 モーメント-平方和階層は、高次元スーパーキャラクタリゼーション問題においてどのように正確な復元を可能にするか？
• RQ4 3次元やそれ以上の次元においても、半代数的集合上でSDP緩和が正確な復元をもたらす有限の次数 k が存在するか？
• RQ5 一般性とランク条件は、提案されたSDP定式化による正確な復元を保証するために果たす役割は何か？

主な発見

• 本稿では、高次元における半代数的領域におけるスーパーキャラクタリゼーションのための新しい正確なSDP定式化を確立した。
• 定理1のランク条件が満たされる場合、2次元を超える次元であっても、スパース符号付き測度の正確な復元が可能であることを証明した。
• 双対SDP緩和法に内在する近似誤差を避けるために、直接プライマル問題を解くことで正確な復元を達成した。
• 一般性仮定のもとで、モーメント-平方和階層の収束が保証されるが、必要な次数 k に対する事前境界は提供されていない。
• 半代数的集合上での平方和の錐の閉包性により、SDP階層における解の存在が保証される。
• 本フレームワークは、フーリエおよびモーメントサンプリング方式の両方へ適用可能であり、1次元を超える正確なスーパーキャラクタリゼーションの範囲を拡張した。