[論文レビュー] On partial sparse recovery

Afonso S. Bandeira, Katya Scheinberg+1 more|arXiv (Cornell University)|Apr 9, 2013

Sparse and Compressive Sensing Techniques参考文献 14被引用数 17

ひとこと要約

本稿は、解ベクトルの一部のみがスパースであると仮定する部分スパース復元における、ノルム空間性質（NSP）および制限等長性性質（RIP）の類似概念を導入する。これらの新しい条件が、スパース部分におけるℓ₁最小化を用いた正確かつロバストな部分スパース信号の復元を十分に満たすことを証明し、スパース部分のサポートが事前に分かっている場合、古典的符号化感知における測定数よりも少ない測定数で復元が保証できることを示している。

ABSTRACT

We consider the problem of recovering a partially sparse solution of an underdetermined system of linear equations by minimizing the $\ell_1$-norm of the part of the solution vector which is known to be sparse. Such a problem is closely related to a classical problem in Compressed Sensing where the $\ell_1$-norm of the whole solution vector is minimized. We introduce analogues of restricted isometry and null space properties for the recovery of partially sparse vectors and show that these new properties are implied by their original counterparts. We show also how to extend recovery under noisy measurements to the partially sparse case.

研究の動機と目的

• 解の一部のみがスパースであると想定される不定線形方程式系における部分スパース解の復元問題に取り組む。
• スパース部分におけるℓ₁最小化に特化した、新たな理論的条件「部分NSP」と「部分RIP」を考案する。
• これらの新しい条件が、古典的NSPおよびRIPに由来することを示し、標準的な符号化感知の仮定のもとで有効であることを保証する。
• ノイズのある測定値への一般化を図り、不確実性下での部分スパース復元における誤差境界を提供する。
• 部分スパース性が、特にスパース部分が小さい場合に、古典的符号化感知よりも顕著に少ない測定数で復元を可能にすることを示す。

提案手法

• 測定制約を満たしつつ、解ベクトルの未知スパース部分のℓ₁ノルムのみを最小化する修正されたℓ₁最小化問題を提案する。
• 部分スパースベクトルの正確な復元のための必要十分条件として、部分ノルム空間性質（partial NSP）を導入する。
• 測定行列に対する部分制限等長性性質（partial RIP）を定義し、部分スパースベクトルのℓ₂ノルムをどれほど正確に保存するかを特徴付ける。
• 部分NSPおよび部分RIPが、それらの古典的対応物に由来することを証明し、標準的なランダム行列（例：ガウス行列）が新しい条件を満たすことを保証する。
• ノイズのある測定値下での部分スパース復元問題に対して誤差境界を導出し、復元誤差がノイズレベルおよび行列定数にどのように依存するかを関係づける。
• ガウスランダム行列の分析を行い、部分RIPを満たすための測定数の高確率的境界を導出し、完全スパースの場合と比較して測定数の削減を示す。

実験結果

リサーチクエスチョン

• RQ1 スパース部分に制限したℓ₁最小化を用いた部分スパースベクトルの正確な復元のための十分条件を確立できるか？
• RQ2 新しい部分NSPおよび部分RIP条件は、古典的NSPおよびRIPと比べて、強さや含意関係においてどのように関係しているか？
• RQ3 サポートの一部が事前に分かっている場合に、符号化感知の理論的保証を拡張できるか？
• RQ4 ガウスランダム行列を用いた高確率的部分スパース復元を保証するための最小測定数は何か？
• RQ5 部分スパース復元の誤差は、ノイズレベルおよび行列の性質にどのように依存するか？

主な発見

• 部分ノルム空間性質（partial NSP）は、スパース部分におけるℓ₁最小化による部分スパースベクトルの正確な復元にとって、必要かつ十分である。
• 部分制限等長性性質（partial RIP）は、ノイズのある測定値下でのロバストな復元に十分であり、その定数は古典的RIP定数を用いて有界にできる。
• ガウスランダム行列の場合、スパース部分のサイズが小さい場合に、部分スパース復元に必要な測定数は、古典的符号化感知よりも漸近的に小さくなる。特に、s−r = O(1) のとき、測定数は O(s + log(N−r)) にまで減少する。
• ノイズあり復元の誤差境界は、スパース部分のℓ₂誤差とノイズレベルによって制御され、行列の部分RIP定数から導かれた明示的な定数を含む。
• 部分RIPの満たされない確率はNに関して多項式的に減少し、十分に大きなkに対して高確率の復元を保証する。
• 提案されたフレームワークにより、スパース部分のサポートに関する事前知識がある場合、測定要件を顕著に削減できる。これは、画像再構成やヘッシアン回復などの応用分野で特に有用である。