[論文レビュー] Semidefinite representations of gauge functions for structured low-rank matrix decomposition

Hsiao-Han Chao, Lieven Vandenberghe|arXiv (Cornell University)|Apr 8, 2016

Sparse and Compressive Sensing Techniques参考文献 31被引用数 5

ひとこと要約

本稿では、構造的低ランク行列分解に関連するゲージ関数およびアトムノルムの半定形計画（SDP）表現を提示する。これは、複素指数関数上の1-ノルム最適化に関する先行研究を一般化するものである。行列ペンシルのパrameterizationと一般化されたカルマン＝ヤクブビッチ＝ポポフ（KYP）補題との関連を活用することで、行列ペンシルの核空間によって定義される集合上でのアトムノルムのSDP表現について、構成的で双対性に基づく証明を提供する。これにより、スーパーレゾリューションやアレイ処理への応用が可能になる。

ABSTRACT

This paper presents generalizations of semidefinite programming formulations of 1-norm optimization problems over infinite dictionaries of vectors of complex exponentials, which were recently proposed for superresolution, gridless compressed sensing, and other applications in signal processing. Results related to the generalized Kalman-Yakubovich-Popov lemma in linear system theory provide simple, constructive proofs of the semidefinite representations of the penalty functions used in these applications. The connection leads to several extensions to gauge functions and atomic norms for sets of vectors parameterized via the nullspace of matrix pencils. The techniques are illustrated with examples of low-rank matrix approximation problems arising in spectral estimation and array processing.

研究の動機と目的

• 標準的な1-ノルムおよび核ノルムの設定を超えて、アトムノルムの半定形計画（SDP）表現を一般化すること。
• 行列ペンシルの核空間によってパラメータ化されたベクトルの集合上に定義されるアトムノルムに対してもSDP表現を拡張すること。
• 線形システム理論の結果を用いて、半定形表現の構成的で双対性に基づく証明を提供すること。
• 構造的アトムノルムを通じて、グリッドレスの圧縮センシングやスペクトル推定などの新しい信号処理の応用を可能にすること。
• 構造的低ランク行列近似問題に関する既存のSDP表現を統一的かつ一般化すること。

提案手法

• 行列ペンシル $\lambda G - F$ の核空間を用いてアトム集合をパラメータ化し、標準的な複素指数関数基底を一般化する。
• 集合の凸包のゲージとしてアトムノルムを定義することで、凸的かつ正Homogeneousな関数を得る。
• 凸双対性および一般化されたカルマン＝ヤクブビッチ＝ポポフ（KYP）補題を用いて、SDP表現を導出する。
• 行列ペンシルのクロネッカー標準形を用いて、双対SDPの実行可能解を構成する。
• ペンシルの一般化固有値および固有ベクトルの構造を用いて、強い双対性および実行可能性を証明する。
• トーペリッツ行列や信号処理における構造的低ランク近似を含む例を通じて、フレームワークを説明する。

実験結果

リサーチクエスチョン

• RQ1 行列ペンシルの核空間によってパラメータ化されたベクトルの集合上に定義されるアトムノルムに対して、半定形表現を構築できるか。
• RQ2 一般化されたカルマン＝ヤクブビッチ＝ポポフ補題と凸双対性は、これらのノルムの構成的SDP表現をどのように可能にするか。
• RQ3 双対SDPにおける強い双対性および厳密に実行可能な解の存在を保証するための行列ペンシルに関する条件は何か。
• RQ4 $\|a\| = 1$ の代わりに $\|Ea\| \leq 1$ のような制約を含めるには、フレームワークをどのように拡張できるか。
• RQ5 このアプローチは、スペクトル推定やアレイ処理における低ランク行列近似にどのような意味を持つのか。

主な発見

• 集合 $C = \{a \in \mathbb{C}^n \mid (\mu G - \nu F)a = 0, (\mu, \nu) \in \mathcal{C}\}$ に対するアトムノルムは、トーペリッツ制約を含むSDPを介して半定形表現が可能である。
• 凸双対性および一般化されたKYP補題を用いて、構成的にSDP表現が導出され、適切な条件下で強い双対性が保証される。
• SDPの最適値は、与えられた構造的集合に対するゲージ関数（アトムノルム）に等しい。
• 証明により、ペンシル $\lambda G - F$ の一般化固有値が単位円上にあり、かつ $q_\Psi(\mu, \nu) < 0$ を満たすことで、厳密な実行可能性が保証される。
• 本フレームワークは、1-ノルムおよび核ノルム近似に関する先行研究を、より広いクラスの構造的信号へ一般化する。
• 本手法により、パラメータ化された信号辞書上でのアトムノルムの正確なSDP表現が可能となり、スーパーレゾリューションやアレイ処理への新しい応用が可能になる。