[論文レビュー] Recovery of signals under the high order RIP condition via prior support information

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

Sparse and Compressive Sensing Techniques参考文献 21被引用数 7

ひとこと要約

この論文は、高次制限等長性性質（RIP）条件下での重み付き$l_1$最小化が、部分的な事前サポート情報が利用可能な場合に、スパース信号の安定的かつロバストな回復を可能にすることを確立している。標準$l_1$最小化と比較して、より弱い十分条件とよりタイトな誤差バウンドを達成できることを証明しており、事前サポート推定が少なくとも50%の正確性を持つ場合に成り立つ。また、その条件が鋭い（sharp）ことも示している。

ABSTRACT

In this paper we study the recovery conditions of weighted $l_{1}$ minimization for signal reconstruction from incomplete linear measurements when partial prior support information is available. We obtain that a high order RIP condition can guarantee stable and robust recovery of signals in bounded $l_{2}$ and Dantzig selector noise settings. Meanwhile, we not only prove that the sufficient recovery condition of weighted $l_{1}$ minimization method is weaker than that of standard $l_{1}$ minimization method, but also prove that weighted $l_{1}$ minimization method provides better upper bounds on the reconstruction error in terms of the measurement noise and the compressibility of the signal, provided that the accuracy of prior support estimate is at least $50\%$. Furthermore, the condition is proved sharp.

研究の動機と目的

• 部分的な事前サポート情報が利用可能な状況における重み付き$l_1$最小化の回復条件を確立すること。
• ノイズありおよび有界ノイズ設定下での事前サポート精度が回復性能に与える影響を分析すること。
• 重み付き$l_1$最小化が標準$l_1$最小化よりも回復安定性および誤差バウンドの観点で優れる十分条件を導出すること。
• 導出された回復条件が鋭い（すなわち、保証された回復が失われるおそれがない範囲でさらに弱くできない）ことを証明すること。
• 高次RIPフレームワークを拡張し、事前サポート知識を統合し、圧縮センシングにおけるその利点を定量化すること。

提案手法

• 重み付き$l_1$最小化フレームワークを提案し、重み$\mathbf{w} \in [0,1]^N$を、事前サポート推定に基づいて割り当て、非ゼロ係数の可能性が高い箇所に低い重みを割り当てる。
• 信号構造と事前情報に対応するように標準RIPを一般化した高次制限等長性性質（RIP）条件を導入する。
• 高次RIPフレームワークを用いて、$l_2$-有界ノイズおよびダントツィッガー選択子ノイズ設定下での安定的かつロバストな回復の十分条件を導出する。
• 変分解析および双対性の議論を用いて、測定ノイズおよび信号の圧縮可能性に依存する再構成誤差のバウンドを求める。
• 反例を明示的に構築することで、導出された回復条件の鋭さを証明し、条件が満たされない場合に特定の$k$-スパース信号の回復に失敗することを示す。
• 事前サポート精度と回復性能のトレードオフを分析し、$50\%$の正確性が、より良い保証を得るための臨界な閾値であることを証明する。

実験結果

リサーチクエスチョン

• RQ1 事前サポート情報は、標準$l_1$最小化と比較して、重み付き$l_1$最小化の回復条件にどのように影響するか？
• RQ2 重み付き$l_1$最小化が、事前サポート知識を有する場合に、安定的かつロバストな信号回復を保証するための最も弱い十分条件は何か？
• RQ3 高次RIP条件を用いて、重み付き$l_1$最小化の標準RIPと比較して、よりタイトな誤差バウンドを導出できるか？
• RQ4 導出された回復条件は鋭いか（すなわち、保証された回復が失われない範囲でさらに弱くできないか）？
• RQ5 重み付き$l_1$最小化が標準$l_1$最小化を上回るための、事前サポート推定の最小精度は何か？

主な発見

• 高次RIP条件下での重み付き$l_1$最小化は、$l_2$-有界ノイズおよびダントツィッガー選択子ノイズ設定下で、信号の安定的かつロバストな回復を保証する。
• 事前サポート情報が利用可能な場合、重み付き$l_1$最小化の十分回復条件は、標準$l_1$最小化のそれよりも厳しくない（より弱い）。
• 事前サポート推定が少なくとも$50\%$の正確性を持つ場合、測定ノイズおよび信号の圧縮可能性の両面で、重み付き$l_1$最小化の再構成誤差バウンドは、標準$l_1$最小化よりもタイトである。
• 本論文では、導出された回復条件が鋭い（すなわち、回復の保証が失われるおそれがない範囲でさらに緩められない）ことを証明している。
• 高次RIP条件により、特に事前サポート情報が組み込まれた場合に、回復性能のより洗練された分析が可能になる。
• 明示的な反例により、高次RIP条件が満たされない場合に、重み付き$l_1$最小化が特定の$k$-スパース信号を回復できないことが示され、導出されたバウンドの必要性が確認された。