[論文レビュー] Phase Retrieval via Sparse Wirtinger Flow

Ziyang Yuan, Qi Wang+1 more|arXiv (Cornell University)|Apr 11, 2017

Advanced X-ray Imaging Techniques参考文献 14被引用数 9

ひとこと要約

本稿では、スパース位相再構成のための2段階型アルゴリズムであるスパース・ウィーリングャー・フロー（SWF）を提案する。SWFは、最初に切り捨てられたスペクトル法を用いて信号のサポートを推定し、次にハードスレッディングベースの勾配降下法で推定値を精緻化する。SWFは、$\mathcal{O}(k^2 \log n)$ のサンプリング複雑度と $\mathcal{O}(k^3 n \log n \log \frac{1}{\varepsilon})$ の計算複雑度を達成し、幾何的収束を実現する。これは、スパース性が誤って指定された場合やノイズが存在する場合でも、最新の手法を上回る再構成精度とロバスト性を示す。

ABSTRACT

Phase retrieval(PR) problem is a kind of ill-condition inverse problem which can be found in various of applications. Utilizing the sparse priority, an algorithm called SWF(Sparse Wirtinger Flow) is proposed in this paper to deal with sparse PR problem based on the Wirtinger flow method. SWF firstly recovers the support of the signal and then updates the evaluation by hard thresholding method with an elaborate initialization. Theoretical analyses show that SWF has a geometric convergence for any $k$ sparse $n$ length signal with the sampling complexity $\mathcal{O}(k^2\mathrm{log}n)$. To get $\varepsilon$ accuracy, the computational complexity of SWF is $\mathcal{O}(k^3n\mathrm{log}n\mathrm{log}\frac{1}{\varepsilon})$. Numerical tests also demonstrate that SWF performs better than state-of-the-art methods especially when we have no priori knowledge about sparsity $k$. Moreover, SWF is also robust to the noise

研究の動機と目的

• 限られた測定値のもとで、不適切に定式化された非凸な逆問題としてのスパース位相再構成の課題に取り組む。
• スパース性を活用して回復性能を向上させるとともに、サンプリング複雑度を低減する効率的なアルゴリズムを開発する。
• $k$-スパース信号の $\mathbb{R}^n$ における、サンプルおよび計算複雑度の理論的保証を伴う幾何的収束を達成する。
• スパース性の誤指定（$k$ の事前知識が不正確な場合）やノイズに対して、より高いロバスト性を向上させる。
• SPARTA や ALTMIN、しきい値付きウィーリングャー・フロー（thresholding WF）といった既存手法よりも、回復率と収束速度において優れる。

提案手法

• 2段階型アルゴリズムを提案：まず、妥当な規則に従って信号のサポートを回復し、次に切り捨てられたスペクトル法で推定されたサポート上に信号を初期化する。
• ガウス最大尤度関数を目的関数として採用し、4次微分可能で最適化に有益な幾何的性質を持つ。
• 2段階目では、スパース性を維持しながら信号推定値を精緻化するため、ハードスレッディングベースの勾配降下法を適用する。
• 収束性の向上と局所的最小値の回避のため、切り捨てられた勾配更新を採用し、特に $m$ が $k$ より著しく大きくない場合に有効である。
• 信号を推定されたサポート上に制限する整合性の高い初期化を採用することで、収束安定性を向上させる。
• 理論的解析により、$\mathcal{O}(k^2 \log n)$ のサンプリング複雑度のもとで幾何的収束が保証され、非ゼロ成分の最小値が $\frac{1}{k}\|\mathbf{x}\|$ のオーダーであることが示された。

実験結果

リサーチクエスチョン

• RQ1 2段階型ウィーリングャー・フロー手法は、低コストのサンプリング複雑度でスパース位相再構成に対して幾何的収束を達成できるか？
• RQ2 スパース性 $k$ が誤って指定された場合、つまり事前知識が不正確な場合、SWFはどのように性能を発揮するか？
• RQ3 SPARTA や ALTMIN といった最新の手法と比較して、SWF の計算複雑度とサンプリング複雑度はどの程度か？
• RQ4 測定値に加法的ガウスノイズが存在する場合、SWF はどの程度ロバストか？
• RQ5 測定数 $m$ が $k$ より著しく大きくない場合、SWF における切り捨てられた勾配更新戦略は性能を維持できるか？

主な発見

• SWF は、$\mathcal{O}(k^2 \log n)$ のサンプリング複雑度を達成し、従来手法が要請する $m/n > 3$ よりも著しく低い。
• $\varepsilon$-精度の再構成において、SWF の計算複雑度は $\mathcal{O}(k^3 n \log n \log \frac{1}{\varepsilon})$ である。
• 数値実験では、真のスパース性が 10 であるのに対し、事前知識の $k$ を 100 に設定しても、SWF は 95% の回復率を達成し、スパース性の誤指定下でも SPARTA を上回る性能を示した。
• SWF は $m/n = 1.5$ でも 100% の回復率を維持し、ノイズに対して優れたロバスト性を示した。SNR 5–10 dB の範囲で、平均NMSEは SPARTA や ALTMIN よりも低かった。
• SWF は、しきい値付きWF よりも反復回数が少なく（例：$m/n = 1$ 時に 79 vs. 697）、反復回数が多くても SPARTA よりも合計時間で高速であった。
• $n = m = 3$、$k = 1$、事前知識の $k = 2$ のケーススタディでは、SPARTA は局所的最小値に陥るが、SWF は NMSE が $10^{-5}$ 未満で真の信号に収束した。