[論文レビュー] PhaseLift: Exact and Stable Signal Recovery from Magnitude Measurements via Convex Programming

Emmanuel J. Candès, Thomas Strohmer+1 more|arXiv (Cornell University)|Sep 21, 2011

Advanced X-ray Imaging Techniques参考文献 17被引用数 27

ひとこと要約

PhaseLift は、トレースノルム最小化問題を用いて、位相情報が欠落した測定値からの複素信号の正確な復元を可能にする凸最適化フレームワークを導入する。高確率で、単位球面上に一様にランダムに抽出された $ m \thicksim n/\log n $ 個の測定値があれば、グローバル位相を除き正確に復元可能であり、追加ノイズの下でも安定性を保つことが示された。

ABSTRACT

Suppose we wish to recover a signal x in C^n from m intensity measurements of the form ||^2, i = 1, 2,..., m; that is, from data in which phase information is missing. We prove that if the vectors z_i are sampled independently and uniformly at random on the unit sphere, then the signal x can be recovered exactly (up to a global phase factor) by solving a convenient semidefinite program---a trace-norm minimization problem; this holds with large probability provided that m is on the order of n log n, and without any assumption about the signal whatsoever. This novel result demonstrates that in some instances, the combinatorial phase retrieval problem can be solved by convex programming techniques. Finally, we also prove that our methodology is robust vis a vis additive noise.

研究の動機と目的

• 測定中に位相情報が失われる信号処理分野における長年の課題、すなわち位相再構成問題に取り組む。
• 一般に NP 困難である従来の非凸位相再構成手法の計算的非効率性を克服する。
• 信号に関する事前仮定を一切必要とせず、最小限のサンプリング条件下で正確な復元を保証する凸緩和法を構築する。
• 測定値が汚染される実用的状況における追加ノイズに対して、安定性を確保する。
• ランダム測定設計のもとで、組合せ的位相再構成問題が等価に凸プログラミングによって解けることを示す。

提案手法

• 信号 $\bm{x} \in \mathbb{C}^n$ をランク1行列 $\bm{X} = \bm{x} \bm{x}^*$ にアップリフトすることで、位相再構成問題を低ランク行列回復問題に再定式化する。
• 線形測定演算子 $\mathcal{A}$ を定義し、$\bm{X}$ を内積の絶対値二乗 $|\langle \bm{x}, \bm{z}_i \rangle|^2$ のベクトルに写像する。
• 復元を凸最適化問題として定式化する：$\|\bm{X}\|_*$（トレースノルム）を最小化し、制約条件として $\mathcal{A}(\bm{X}) = \bm{b}$ および $\bm{X} \succeq 0$ を課す。
• ランダム行列理論を活用し、高確率でこの凸計画問題の解が一意的かつランク1であることを示し、グローバル位相を除き $\bm{x}$ を回復できることを保証する。
• ノイズのパワー上限を組み込んだノイズ対応版のプログラムを導入し、ノイズのある測定値下でも安定な復元を保証する。
• 再構成後、バイアス補正技術を適用することで、低 SNR 環境における精度をさらに向上させる。

実験結果

リサーチクエスチョン

• RQ1 測定ベクトルが単位球面上で一様にランダムに抽出された場合、凸緩和法が位相情報なしの測定値から信号を正確に復元できるか？
• RQ2 グローバル位相を除いた正確な復元に必要な最小測定数は何か？ また、信号次元に伴い効率的にスケーリングされるか？
• RQ3 提案された凸計画法は追加ノイズに対してロバストであるか？ また、ノイズ制約のもとで、再構成誤差が有界であることを保証できるか？
• RQ4 信号の構造的・スパース性に関する事前仮定なしに、この手法は有効に機能するか？
• RQ5 精度と安定性の観点から、非凸的で組合せ的な手法と比較して、凸緩和法が同等または優れた性能を示せるか？

主な発見

• 高確率で、単位球面上に一様にランダムに抽出された $ m \thicksim n\log n $ 個の測定値があれば、PhaseLift を用いてグローバル位相を除き正確に信号を復元可能である。
• 測定ベクトル $\bm{z}_i$ が複素単位球面上で独立同分布に抽出される限り、信号に関する事前知識を一切不要とし、凸計画法が正確な復元を保証する。
• ノイズに対してロバストである：ノイズパワーが有界な場合、再構成誤差はノイズレベルに比例し、定理 1.2 で形式的に示された。
• 数値実験により、SNR が低下するに従い性能が滑らかに劣化することが確認され、バイアス補正により低 SNR 環境での精度がさらに向上した。
• 相対的平均二乗誤差（MSE）は測定数にほぼ逆比例して減少し、安定的かつスケーラブルな復元プロセスであることが示された。
• Poisson およびガウス分布ノイズモデルの両方へ適用可能であり、シミュレーションで類似した性能トレンドが観察された。