[論文レビュー] Recovery of signals under the condition on RIC and ROC via prior support information

Wengu Chen, Yaling Li|arXiv (Cornell University)|Feb 27, 2016

Sparse and Compressive Sensing Techniques参考文献 17被引用数 3

ひとこと要約

本稿は、事前サポート情報を利用した重み付き $l_1$ 最小化を用いたスパース信号の安定的かつロバストな復元のための改善された十分条件を確立する。制限等方性定数（RIC）と制限直交性定数（ROC）を活用することで、特に事前サポート推定が50%以上正確である場合に、標準的な $l_1$ 最小化よりも制限が緩く、誤差バインディングがよりきつい復元条件を導出する。

ABSTRACT

In this paper, the sufficient condition in terms of the RIC and ROC for the stable and robust recovery of signals in both noiseless and noisy settings was established via weighted $l_{1}$ minimization when there is partial prior information on support of signals. An improved performance guarantee has been derived. We can obtain a less restricted sufficient condition for signal reconstruction and a tighter recovery error bound under some conditions via weighted $l_{1}$ minimization. When prior support estimate is at least $50\%$ accurate, the sufficient condition is weaker than the analogous condition by standard $l_{1}$ minimization method, meanwhile the reconstruction error upper bound is provably to be smaller under additional conditions. Furthermore, the sufficient condition is also proved sharp.

研究の動機と目的

• 圧縮センシングにおけるスパース信号復元の性能保証を、事前サポート情報の統合によって向上させること。
• 標準的な $l_1$ 最小化と比較して、重み付き $l_1$ 最小化を用いた安定的かつロバストな復元のためのより緩い十分条件を導出すること。
• 事前サポート情報のもとでの再構成誤差のよりタイトな上界を確立すること。
• 導出された十分条件が鋭い（すなわち、復元保証を失うことなくさらに緩めることはできない）ことを証明すること。
• 事前サポートの正確性（特に ≥50%）が、ノイズなしおよびノイズありの両設定における復元性能に与える影響を分析すること。

提案手法

• 最適化目的関数における適応的重みを用いて、事前サポート情報を統合する重み付き $l_1$ 最小化フレームワークを提案する。
• 復元条件を導出するために、制限等方性定数（RIC）$\delta_a$ と制限直交性定数（ROC）$\theta_{a,b}$ を主な行列特性として用いる。
• 事前サポートの正確性 $\alpha$ と重みパラメータ $\omega$ に依存する修正定数 $C_{a,b,k}^{\alpha,\omega}$ を導入し、標準的な $C_{a,b,k}$ を精緻化する。
• 安定的かつロバストな復元のための十分条件 $\delta_a + C_{a,b,k}^{\alpha,\omega} \theta_{a,b} < 1$ を導出し、事前サポートが十分に正確な場合には、標準的な $l_1$ 条件よりも弱いものとなる。
• 同じ条件下で、標準的な $l_1$ の対応するもの $C_0$, $C_0'$, $C_1$ よりも明確に小さい、再構成誤差バインディング $D_0$, $D_0'$, $D_1$ を確立する。
• 反証に基づく証明戦略を用い、反例を構築することで、導出された条件の鋭さを示す。条件が満たされない場合には復元が失敗することを示す。

実験結果

リサーチクエスチョン

• RQ1 事前サポート情報は、圧縮センシングにおける安定的・ロバストな復元のための十分条件をどのように改善するか？
• RQ2 重み付き $l_1$ 最小化を用いた場合、事前サポート情報の統合によって、復元条件および誤差バインディングにどの程度の定量的改善が得られるか？
• RQ3 重み付き $l_1$ 最小化の条件が、標準的な $l_1$ 最小化の条件よりも厳密に弱いのはどのような条件下か？
• RQ4 事前サポート推定の正確性（例：≥50%）は、復元保証のタイトネスにどのように影響するか？
• RQ5 重み付き $l_1$ 最小化による復元のための導出された十分条件は鋭いか（すなわち、さらに緩めることはできないか）？

主な発見

• 事前サポート正確性 $\alpha > 1/2$ かつ $\omega < 1$ の場合、十分条件 $\delta_a + C_{a,b,k}^{\alpha,\omega} \theta_{a,b} < 1$ は、標準的な $\delta_a + C_{a,b,k} \theta_{a,b} < 1$ 条件よりも厳密に弱い。
• 事前サポート推定が少なくとも50%正確である場合、再構成誤差上界 $D_0$ は標準的な上界 $C_0$ よりも明確に小さいことが保証される。
• 導出された条件は鋭いことが証明されており、等式 $\delta_a + C_{a,b,k}^{\alpha,\omega} \theta_{a,b} = 1$ が成立する場合には、正確および安定的復元が失敗する。
• 同じ行列および信号条件下で、誤差バインディング $D_0$, $D_0'$, $D_1$ はそれぞれ $C_0$, $C_0'$, $C_1$ よりも厳密にタイトである。
• $\alpha > 1/2$ かつ $\omega < 1$ の場合、修正定数 $C_{a,b,k}^{\alpha,\omega}$ は常に $C_{a,b,k}$ よりも小さいため、理論的保証が向上する。
• 事前サポートが非常に正確な場合、復元性能の向上が最も顕著であり、$\ell_2$ および Dantzig セレクタノイズモデルを含むノイズあり測定でも条件は有効である。