[論文レビュー] RIP-like Properties in Subsampled Blind Deconvolution

Kiryung Lee, Marius Junge|arXiv (Cornell University)|Nov 19, 2015

Sparse and Compressive Sensing Techniques参考文献 12被引用数 16

ひとこと要約

本稿では、非凸的なスペクトルフラットネス正則化のための特化したリップマン・プロパティ（RIP-like properties）を導入・分析することにより、部分サンプリングされたブラインドデコンボリューションにおける近似的最適な性能保証を確立した。i.i.d. ランダム辞書を用いる場合、安定なスパース信号の復元が、$ m = O((\mu_1 s_2 + \mu_2 s_1)\log^5 n) $ のサンプル複雑度で達成可能であり、近似的最適なサンプリングレートで実用的なアルゴリズムによる証明可能な復元が可能であることを示した。

ABSTRACT

We derive near optimal performance guarantees for subsampled blind deconvolution. Blind deconvolution is an ill-posed bilinear inverse problem and additional subsampling makes the problem even more challenging. Sparsity and spectral flatness priors on unknown signals are introduced to overcome these difficulties. While being crucial for deriving desired near optimal performance guarantees, unlike the sparsity prior with a nice union-of-subspaces structure, the spectral flatness prior corresponds to a nonconvex cone structure, which is not preserved by elementary set operations. This prohibits the operator arising in subsampled blind deconvolution from satisfying the standard restricted isometry property (RIP) at near optimal sample complexity, which motivated us to study other RIP-like properties. Combined with the performance guarantees derived using these RIP-like properties in a companion paper, we show that subsampled blind deconvolution is provably solved at near optimal sample complexity by a practical algorithm.

研究の動機と目的

• 標準的な制限等長性性質（RIP）が非凸的なスペクトルフラットネス正則化のため失敗する部分サンプリングブラインドデコンボリューションにおける安定な復元の課題に対処すること。
• ブラインドデコンボリューションにおける測定演算子の構造を、スペクトルフラットネスとスパarsity制約の下で捉えるために、RIPに類似した性質を導出すること。
• 実用的復元アルゴリズムの近的最適なサンプル複雑度における証明可能な性能保証を確立すること。
• i.i.d. 複素正規分布を有するエントリを持つランダム辞書が、高確率でこれらのRIPに類似した性質を満たすことを示すこと。

提案手法

• ブラインドデコンボリューションを線形測定からの低ランク行列回復問題としてのリフト形式で定式化すること。
• 非凸的な錐構造（スペクトルフラットネス由来）を扱えるように、新たなRIPに類似した性質、具体的には $({\mathcal{S}}, {\mathcal{S}}', \delta)$-制限角度保存性質（RAP）を定義すること。
• ガウス型濃度の測度を用いて、ランク1行列の構造的集合上での双線形形式の乖離を制限すること。
• 集合 $\Delta_{\mathrm{R}}$ および $\Delta_{\mathrm{L}}$ のフロベニウスノルム、スペクトルノルム、エントロピー網の複雑度を分析し、測定演算子の濃度を制御すること。
• i.i.d. ランダム辞書が $ CN(0,1/n) $ のエントリを持つ場合、近的最適なサンプル複雑度で必要なRIPに類似した性質が高確率で成立することを証明すること。
• 同伴結果を活用して、実用的アルゴリズムが導出された性質のもとで安定な復元を達成できることを示すこと。

実験結果

リサーチクエスチョン

• RQ1 スペクトルフラットネス正則化を伴う部分サンプリングブラインドデコンボリューションに、標準的なRIPに基づく復元保証を適用できるか？
• RQ2 スペクトルフラットネス正則化が非凸的な錐構造を誘発する場合、安定な復元を保証するのに必要な・十分なRIPに類似した性質は何か？
• RQ3 スパースかつスペクトル的にフラットな信号を伴うブラインドデコンボリューションにおいて、どのサンプル複雑度で安定な復元が保証できるか？
• RQ4 i.i.d. ランダム辞書は、この設定における測定演算子のRIPに類似した性質にどのように影響を与えるか？
• RQ5 実用的アルゴリズムは、これらの条件下で近的最適なサンプル複雑度でのブラインドデコンボリューション復元を達成できるか？

主な発見

• スペクトルフラットネス正則化の非凸性のため、部分サンプリングブラインドデコンボリューションにおける測定演算子は、近的最適なサンプル複雑度でも標準的な制限等長性性質（RIP）を満たさない。
• 本稿では、安定な復元に必要な構造を捉えるために、$({\mathcal{S}}, {\mathcal{S}}', \delta)$-RAP と呼ばれるRIPに類似した代替性質を導入・確立した。
• 高確率で、$ CN(0,1/n) $ のエントリを持つi.i.d. ランダム辞書が、サンプル複雑度 $ m = O((\mu_1 s_2 + \mu_2 s_1)\log^5 n) $ で必要なRIPに類似した性質を満たすことが保証される。
• このサンプル複雑度は近的最適であり、実用的アルゴリズムによるスパース信号の証明可能な安定な復元を可能にする。
• 非凸的ではあるが、スペクトルフラットネス正則化は近的最適な性能を達成するために不可欠であり、新たなRIPに類似した性質の導出を可能にする。
• 結果はサブガウス型および部分フーリエ測定行列に対しても拡張可能であり、i.i.d. でない場合の応用可能性も示唆している。