[論文レビュー] Guarantees of Total Variation Minimization for Signal Recovery

Jian‐Feng Cai, Weiyu Xu|arXiv (Cornell University)|Jan 28, 2013

Sparse and Compressive Sensing Techniques参考文献 24被引用数 7

ひとこと要約

本稿は、1次元信号のスパース勾配からの圧縮測定値からの総変動（TV）最小化の理論的保証を確立する。グラスマン角フレームワークと『メッシュを通り抜ける』定理によるガウス幅推定を用いて、回復可能な勾配スパース性が信号次元に対して線形に増加することを証明し、$ M = \Omega((NK)^{1/2}) $ 測定値が十分であることを示している。これは、標準的な $ \ell_1 $-最小化における $ O(K\log(N/K)) $ の境界よりも低い。

ABSTRACT

In this paper, we consider using total variation minimization to recover signals whose gradients have a sparse support, from a small number of measurements. We establish the proof for the performance guarantee of total variation (TV) minimization in recovering \emph{one-dimensional} signal with sparse gradient support. This partially answers the open problem of proving the fidelity of total variation minimization in such a setting \cite{TVMulti}. In particular, we have shown that the recoverable gradient sparsity can grow linearly with the signal dimension when TV minimization is used. Recoverable sparsity thresholds of TV minimization are explicitly computed for 1-dimensional signal by using the Grassmann angle framework. We also extend our results to TV minimization for multidimensional signals. Stability of recovering signal itself using 1-D TV minimization has also been established through a property called "almost Euclidean property for 1-dimensional TV norm". We further give a lower bound on the number of random Gaussian measurements for recovering 1-dimensional signal vectors with $N$ elements and $K$-sparse gradients. Interestingly, the number of needed measurements is lower bounded by $Ω((NK)^{\frac{1}{2}})$, rather than the $O(K\log(N/K))$ bound frequently appearing in recovering $K$-sparse signal vectors.

研究の動機と目的

• 1次元信号のスパース勾配をもつ信号回復における総変動（TV）最小化の性能保証を確立すること。
• 1次元信号のスパース勾配サポートに対してTV最小化の忠実性を証明するという未解決問題を解決すること。
• グラスマン角フレームワークを用いて、1次元TV最小化の明示的な回復可能スパース性の閾値を計算すること。
• 結果を多次元信号に拡張し、ノイズのある測定値や近似的にスパースな勾配に対して安定性を確立すること。
• 成功した回復に必要なランダムガウス測定値の数の下界を導出すること。

提案手法

• 測定行列 $ A $ のノルム空間条件を用い、制限等長性の性質に依存しない。
• 『メッシュを通り抜ける』定理を適用して、ノルム空間条件によって定義される錐のガウス幅を推定する。
• グラスマン角フレームワークを用いて、1次元信号における回復可能勾配スパース性の正確な閾値を計算する。
• 1次元TVノルムの『ほぼユークリッド性』を導入し、ノイズや近似的なスパース性下での信号回復の安定性を確立する。
• 勾配サポートをディアディックキューブに分解することで、$ d $-次元信号への分析を拡張し、高次元におけるガウス幅を推定する。
• 構造的部分空間とのガウスベクトルの期待内積を分析することで、測定数 $ M $ の境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 TV最小化は、1次元信号の $ K $-スパース勾配を、非線形測定数の下で安定して回復できるか？
• RQ2 ランダムガウス測定値を用いた1次元TV最小化における、回復可能な勾配スパース性の正確な閾値は何か？
• RQ3 TV最小化における測定数の必要数は、スパース信号に対する標準的な $ \ell_1 $-最小化と比べてどう異なるか？
• RQ4 1次元TVノルムの『ほぼユークリッド性』を用いて、ノイズや近似的にスパースな状況下での安定性を証明できるか？
• RQ5 多次元信号におけるTV最小化の測定要件は何か？また、回復可能スパース性は信号次元に対して線形に増加するか？

主な発見

• 1次元信号において、TV最小化による回復可能勾配スパース性は信号次元 $ N $ に対して線形に増加する。これは、標準的な $ \ell_1 $-最小化よりも顕著な改善である。
• 必要なランダムガウス測定値の数は $ \Omega((NK)^{1/2}) $ で下界が保証され、これはスパース信号回復で一般的な $ O(K\log(N/K)) $ の境界よりも低い。
• グラスマン角フレームワークを用いて、1次元TV最小化の明示的な回復可能スパース性の閾値が計算され、回復性能の正確な特徴付けが得られた。
• TVノルムの『ほぼユークリッド性』を用いて、ノイズや近似的なスパース性下での信号回復の安定性が確立され、ロバストネスが保証された。
• $ d $-次元信号では、$ d=2 $ の場合測定数は $ M \sim K\log^2 N $、$ d>2 $ の場合 $ M \sim K\ln N $ に比例する。これは高次元においても良好なスケーリングを示している。
• 現在の結果はガウス測定行列に限定されているが、著者らは一般の測定集合（例：部分フーリエ行列やベルヌーイ行列）に対しても同様の線形スケーリングの回復可能スパース性が成立すると予想している。