[論文レビュー] Near Optimal Compressed Sensing of Sparse Rank-One Matrices via Sparse Power Factorization.

Kiryung Lee, Yihong Wu+1 more|arXiv (Cornell University)|Dec 2, 2013

Sparse and Compressive Sensing Techniques被引用数 33

ひとこと要約

本稿では、スパースなランク1行列の圧縮センシングのための逐次最小化アルゴリズムであるスパース・パワー要因分解（SPF）を提案する。この手法は、情報理論的限界に対し対数因子の範囲内で近似的に最適な測定回数で安定した回復を達成する。凸緩和法とは異なり、ノイズなしおよびノイズありの両設定において、核ノルムおよび混合ノルムアプローチを上回る性能を発揮する。

ABSTRACT

Compressed sensing of simultaneously sparse and rank-one matrices enables recovery of sparse signals from a few linear measurements of their bilinear form. One important question is how many measurements are needed for a stable reconstruction in the presence of measurement noise. Unlike the conventional compressed sensing for sparse vectors, where convex relaxation via the $\ell_1$-norm achieves near optimal performance, for compressed sensing of sparse and rank-one matrices, recently it has been shown by Oymak et al. that convex programmings using the nuclear norm and the mixed norm are highly suboptimal even in the noise-free scenario. We propose an alternating minimization algorithm called sparse power factorization (SPF) for compressed sensing of sparse rank-one matrices. Starting from a particular initialization, SPF achieves stable recovery and requires number of measurements within a logarithmic factor of the information-theoretic fundamental limit. For fast-decaying sparse signals, SPF starting from an initialization with low computational cost also achieves stable reconstruction with the same number of measurements. Numerical results show that SPF empirically outperforms the best known combinations of mixed norm and nuclear norm.

研究の動機と目的

• 圧縮測定からのスパースなランク1行列の回復において、核ノルムおよび混合ノルム最小化といった凸緩和法の非最適性を解消すること。
• 情報理論的下界に近い測定回数で安定した回復を達成する非凸アルゴリズムの開発。
• 急激に減衰する振幅を示すスパース信号に対して、高速収束および安定な再構成を可能にする初期化手法の設計。
• 最先端の混合ノルムおよび核ノルムに基づく手法と比較して、実験的に優れた性能を示すこと。
• 非凸最適化フレームワークを用いて、ノイズが存在する状況下でも安定した回復の理論的保証を確立すること。

提案手法

• SPFは、圧縮線形測定からスパースベクトルとランク1行列を同時に推定するための逐次最小化フレームワークを採用する。
• アルゴリズムは、高速な収束および安定な回復を保証するため、特定の低複雑度の推定値で初期化される。
• 信号のスパarsityを活用するため、ベクトル推定段階でスパース正則化を活用する。
• スパースなランク1行列の双線形測定モデルをモデル化する非凸目的関数を最小化するように設計されている。
• 理論的分析により、SPFは情報理論的限界に対し対数因子の範囲内で安定な回復を達成することが示された。
• 急激に減衰するスパース信号の場合、初期化は低コストでありながら、近的最適な測定効率を維持する。

実験結果

リサーチクエスチョン

• RQ1 非凸アルゴリズムは、情報理論的限界に近い測定回数で、スパースなランク1行列の安定した回復を達成できるか？

主な発見

• SPFは、情報理論的下界に対し対数因子の範囲内で測定回数を用いて、スパースなランク1行列の安定した回復を達成する。
• ノイズ下での再構成精度および安定性において、核ノルムおよび混合ノルムを用いた凸緩和法を上回る性能を示す。
• 急激に減衰するスパース信号の場合、低コスト初期化を用いたSPFは、同じ近的最適な測定回数で安定した回復を達成する。
• 数値実験により、SPFは核ノルムおよび混合ノルム最小化の最良な組み合わせを実験的に上回ることが確認された。
• 理論的分析により、SPFは測定ノイズが存在する状況下でも安定な回復保証を提供することが確認された。
• SPFは、従来の凸緩和法の非最適性を回避しており、ノイズなしの状況下でも顕著に非最適であることが示された。