[論文レビュー] Exact Support Recovery for Sparse Spikes Deconvolution

Vincent Duval, Gabriel Peyré|arXiv (Cornell University)|Jun 28, 2013

Sparse and Compressive Sensing Techniques参考文献 29被引用数 15

ひとこと要約

本稿は、測度上の全 variation 正則化を用いたスパーススパイクデコンボリューションにおける正確なサポート回復を確立する。信号対雑音比が十分に高く、退化しない双対証明が存在する場合——これは、微分が消える前証明を通じて検証可能——TV正則化は、雑音が消えるにつれて真の解に収束する中で、ディラックデルタの個数、位置、振幅を正確に回復する。

ABSTRACT

This paper studies sparse spikes deconvolution over the space of measures. We focus our attention to the recovery properties of the support of the measure, i.e. the location of the Dirac masses. For non-degenerate sums of Diracs, we show that, when the signal-to-noise ratio is large enough, total variation regularization (which is the natural extension of the L1 norm of vectors to the setting of measures) recovers the exact same number of Diracs. We also show that both the locations and the heights of these Diracs converge toward those of the input measure when the noise drops to zero. The exact speed of convergence is governed by a specific dual certificate, which can be computed by solving a linear system. We draw connections between the support of the recovered measure on a continuous domain and on a discretized grid. We show that when the signal-to-noise level is large enough, the solution of the discretized problem is supported on pairs of Diracs which are neighbors of the Diracs of the input measure. This gives a precise description of the convergence of the solution of the discretized problem toward the solution of the continuous grid-free problem, as the grid size tends to zero.

研究の動機と目的

• 測度上の全 variation 正則化が、デコンボリューションにおいてスパースディラック測度のサポート（位置と振幅）を正確に回復できる条件を確立すること。
• 双対証明が正確なサポート回復を決定する役割を特定し、特にその非退化条件の重要性を明らかにすること。
• 連続的グリッドフリーのデコンボリューション問題と、その離散的グリッドベースの類似問題との関係を結びつけ、グリッド分解能が向上するにつれて離散解が連続解に収束することを示すこと。
• 実用的な文脈で双対証明の非退化性を検証できる計算可能な代理（微分が消える前証明）を提供すること。

提案手法

• スパーススパイクデコンボリューションを、符号付き測度の空間上での連続的逆問題として定式化し、測度へのℓ¹ノルムの自然な拡張として全 variation (TV) 正則化を用いる。
• 双対問題を分析して、最小L²ノルムの双対証明を同定し、これがサポート回復特性を支配することを明らかにする。
• 双対証明の非退化性を検証するため、微分が消える前証明を導入し、線形方程式系の解法により計算可能であることを示す。
• 非反射的バナッハ空間における変分解析を用いて、無限次元最適化問題を研究し、収束保証を導出する。
• 連続問題の解とその離散グリッド近似との関係を関係づけ、高SNRかつ非退化条件下で、離散解が真のディラック位置の近傍にディラックを支持することを証明する。
• L²(T)における射影作用素と弱収束／強収束の議論を用いて、グリッド分解能が向上するにつれて離散解が連続解に収束することを示す。

実験結果

リサーチクエスチョン

• RQ1 測度上の全 variation 正則化が、スパースディラックスパイクのサポート（個数、位置、振幅）を正確に回復する条件は何か？
• RQ2 実用的に双対証明の非退化性はどのように検証可能であり、なぜ正確なサポート回復にとって不可欠なのか？
• RQ3 連続的グリッドフリーのデコンボリューション問題の解と、その離散グリッドベースの近似との関係は何か？
• RQ4 雑音が減少するにつれて、回復されたディラックの位置と振幅は、真の測度のものにどのように収束するか？
• RQ5 双対証明は明示的に構成可能か？また、正確な回復を保証するために果たす役割は何か？

主な発見

• 信号対雑音比が十分に高く、双対証明が非退化している場合、TV正則化は入力測度に含まれるディラック質量の個数を正確に回復する。
• 雑音レベルがゼロに近づくにつれて、回復されたディラックの位置と振幅は真の測度のそれらに収束する。
• 双対証明の非退化性は、微分が消える前証明を用いて検証可能であり、これは線形方程式系の解法により閉形式で計算可能である。
• 高SNRかつ非退化双対証明の下で、離散グリッドベースの解は真のディラック位置の近傍にディラックを支持し、グリッドサイズが小さくなるにつれて連続解に収束することが保証される。
• 最小L²ノルムの双対証明が正確なサポート回復を決定づける鍵であり、高SNR下ではその存在と非退化性が必要十分条件である。
• 同じ非退化性およびSNR条件の下で、離散問題の解はグリッドが細かくなるにつれてL²(T)で連続解に強く収束する。