[論文レビュー] On the gap between RIP-properties and sparse recovery conditions

Sjoerd Dirksen, Guillaume Lecué+1 more|arXiv (Cornell University)|Apr 20, 2015

Sparse and Compressive Sensing Techniques参考文献 29被引用数 11

ひとこと要約

本論文は、一般化された制限等方性性質（RIP$_{p,q}$）が最適測定領域で成立しない場合でも、ガウス確率的行列がすべての $p \in [1,\infty]$ に対して最適な $\sigma$-安定かつロバストな $Â$-制約付きベースパーシュート回復を可能にすることを示すことにより、圧縮センシングにおける長年の不一致を解消した。主な貢献は、$\ell_q$-ロバストなヌル空間性質を用いた新たな解析であり、$p$ のすべての値に対して最適な $m \gtrsim s\log(en/s)$ 測定バウンドを確立した。この解析は、非ガウス分布の厚尾行列に対しても適用可能である。

ABSTRACT

We consider the problem of recovering sparse vectors from underdetermined linear measurements via $\ell_p$-constrained basis pursuit. Previous analyses of this problem based on generalized restricted isometry properties have suggested that two phenomena occur if $p eq 2$. First, one may need substantially more than $s \log(en/s)$ measurements (optimal for $p=2$) for uniform recovery of all $s$-sparse vectors. Second, the matrix that achieves recovery with the optimal number of measurements may not be Gaussian (as for $p=2$). We present a new, direct analysis which shows that in fact neither of these phenomena occur. Via a suitable version of the null space property we show that a standard Gaussian matrix provides $\ell_q/\ell_1$-recovery guarantees for $\ell_p$-constrained basis pursuit in the optimal measurement regime. Our result extends to several heavier-tailed measurement matrices. As an application, we show that one can obtain a consistent reconstruction from uniform scalar quantized measurements in the optimal measurement regime.

研究の動機と目的

• 一般化された制限等方性性質（RIP$_{p,q}$）と $\ell_p$-制約付きベースパーシュートの実際のスパース回復性能との間の明らかなギャップを解消すること。
• 最適測定領域でRIP$_{p,q}$が成立しない場合でも、標準ガウス行列がすべての $p \in [1,\infty]$ に対して $m \gtrsim s\log(en/s)$ 測定で最適な回復を達成できることを示すこと。
• $\ell_q$-ロバストなヌル空間性質が、一般化されたベースパーシュートの分析においてRIP$_{p,q}$よりもタイトで正確であることを示すこと。
• サブ指数的および指数的行列などの厚尾確率的行列に対しても最適な回復保証を拡張すること。
• 最適測定領域において、一様スカラー量子化測定からの一貫した再構成が可能であることを示すこと。

提案手法

• 著者らは、$\ell_p$-制約付きベースパーシュートによる安定的かつロバストな回復の十分条件を提供する、$\ell_q$-ロバストなヌル空間性質に基づく新しい解析フレームワークを導入した。
• 彼らは、$m \gtrsim s\log(en/s)$ の条件下で、ガウス確率的行列が高確率で $\ell_q$-ロバストなヌル空間性質を満たすことを証明し、これによりすべての $p \in [1,\infty]$ に対して最適な回復が保証された。
• 証明は、線形形式の下側尾根を制御するためのスモールボール法に依存しており、ヌル空間性質定数の境界を導くのに有効である。
• 彼らは、等方的で、無条件的で、対数凸性を持つ確率的ベクトルに対しても同様の解析を拡張し、厚尾行列に対しても同様の回復保証が成り立つことを示した。
• 著者らは、対称化と指数的確率的行列との比較を用いて、$\ell_q$-ヌル空間性質に関する新しい行列集中不等式を導出した。
• 彼らは、$\ell_q$-ロバストなヌル空間性質が、RIP$_{p,q}$が成立しない場合でも、$\ell_q$-誤差境界を伴う安定的かつロバストな回復を示すことを確立した。

実験結果

リサーチクエスチョン

• RQ1 最適測定領域（$m \sim s\log(en/s)$）でRIP$_{p,q}$が成立しない場合、$p \neq 2$ のとき $\ell_p$-制約付きベースパーシュートによる最適な回復が不可能であると結論づけられるか？
• RQ2 最適領域でRIP$_{p,q}$が成立しない場合でも、ガウス確率的行列が $\ell_p$-制約付きベースパーシュートの最適な回復を保証できるか？
• RQ3 $\ell_q$-ロバストなヌル空間性質は、$\ell_p$-制約付きベースパーシュートの分析においてRIP$_{p,q}$よりも効果的であるか？
• RQ4 指数的行列などの厚尾確率的行列も、$\ell_p$-制約付きベースパーシュートフレームワークで最適な回復を可能にするか？
• RQ5 最適測定領域において、一様スカラー量子化測定からの一貫した再構成が $\ell_p$-制約付きベースパーシュートで達成可能か？

主な発見

• ガウス確率的行列は、すべての $p \in [1,\infty]$ に対して、$\ell_p$-制約付きベースパーシュート回復の最適な $m \gtrsim s\log(en/s)$ 測定バウンドを達成し、RIP$_{p,q}$との明らかなギャップを解消した。
• $\ell_q$-ロバストなヌル空間性質は、$\ell_q$-誤差境界を伴う安定的かつロバストな回復の十分条件であり、最適領域でガウス行列に対して高確率で成立する。
• 等方的で、無条件的で、対数凸性を持つ確率的行列に対しても、$m \gtrsim s^{2-2/q}\log(en/s) + \log(\eta^{-1})$ 測定で同様の最適回復保証が成立する。
• 指数的確率的行列などの厚尾行列も、必要なヌル空間性質を満たし、同じ測定領域で最適な回復を可能にする。
• 本研究の結果は、最適測定領域において、一様スカラー量子化測定からの一貫した再構成が $\ell_\infty$-制約付きベースパーシュートを用いて可能であることを示唆している。
• 本研究は、RIP$_{p,q}$と実際の回復性能のギャップがRIP$_{p,q}$の上界に起因するものであり、下界に起因するものではないことを明らかにした。また、ヌル空間性質がより正確な特徴付けを提供することを示した。