[論文レビュー] Sparse Phase Retrieval via Truncated Amplitude Flow

Gang Wang, Liang Zhang+3 more|arXiv (Cornell University)|Nov 23, 2016

Advanced X-ray Imaging Techniques参考文献 52被引用数 16

ひとこと要約

本稿では、スパース信号を位相情報なしの測定値から再構成するための新しいスパース位相再構成アルゴリズム、SPARTAを提案する。この手法は、サポート回復と切り捨てられたアンプリチュードフローを組み合わせ、$k^2\log n$ 個のガウス測定値を用いて高確率で正確な再構成を達成し、計算時間は $\mathcal{O}(k^2n\log n)$ で、従来の手法と比較して計算効率を $k$ 倍向上させつつ、有界なノイズに対してもロバストである。

ABSTRACT

This paper develops a novel algorithm, termed \emph{SPARse Truncated Amplitude flow} (SPARTA), to reconstruct a sparse signal from a small number of magnitude-only measurements. It deals with what is also known as sparse phase retrieval (PR), which is \emph{NP-hard} in general and emerges in many science and engineering applications. Upon formulating sparse PR as an amplitude-based nonconvex optimization task, SPARTA works iteratively in two stages: In stage one, the support of the underlying sparse signal is recovered using an analytically well-justified rule, and subsequently, a sparse orthogonality-promoting initialization is obtained via power iterations restricted on the support; and, in the second stage, the initialization is successively refined by means of hard thresholding based gradient-type iterations. SPARTA is a simple yet effective, scalable, and fast sparse PR solver. On the theoretical side, for any $n$-dimensional $k$-sparse ($k\ll n$) signal $\bm{x}$ with minimum (in modulus) nonzero entries on the order of $(1/\sqrt{k})\|\bm{x}\|_2$, SPARTA recovers the signal exactly (up to a global unimodular constant) from about $k^2\log n$ random Gaussian measurements with high probability. Furthermore, SPARTA incurs computational complexity on the order of $k^2n\log n$ with total runtime proportional to the time required to read the data, which improves upon the state-of-the-art by at least a factor of $k$. Finally, SPARTA is robust against additive noise of bounded support. Extensive numerical tests corroborate markedly improved recovery performance and speedups of SPARTA relative to existing alternatives.

研究の動機と目的

• 位相情報のみが入手可能な状況におけるNP困難なスパース位相再構成問題に取り組む。
• 最小限の測定値でスパース信号を正確に再構成できるスケーラブルで効率的なアルゴリズムの開発を目的とする。
• TWF や AltMinPhase などの既存の非凸ソルバーと比較して、計算複雑度を低減しつつ高い再構成精度を維持すること。
• 実用的応用における有界な加法的ノイズに対してロバストであることを保証すること。
• 現実的な信号および測定条件下で正確な再構成に関する理論的保証を提供すること。

提案手法

• SPARTAは2段階の手法を採用する：まず、解析的に妥当なルールに基づいてスパース信号のサポートを回復する。
• 次に、推定されたサポートに制限されたパワー反復を用いてスパース性を促進する初期化を実行する。
• その後、スパース性を維持し収束を加速するために、ハードスレッショーディングに基づく勾配型反復を用いて初期値を精緻化する。
• 勾配更新におけるノイズ増幅を回避するため、切り捨てられたアンプリチュードに基づく経験的リスク最小化を採用する。
• 次元削減を活用して計算を高速化しながら、再構成精度を保持する。
• 適切なステップサイズとトリunksレーション閾値が選択されれば、反復値がグローバル最適解の近傍の吸引域内に保たれ、線形収束を確保する。

実験結果

リサーチクエスチョン

• RQ1 サポート回復と切り捨てられた勾配フローを組み合わせた2段階手法が、既存手法よりも少ない測定数で正確なスパース位相再構成を達成できるか？
• RQ2 非凸的かつ正則化なしのアプローチを用いた場合、$k$-スパース信号の正確な再構成に必要な最小のランダムガウス測定数は何か？
• RQ3 最新のアルゴリズムと比較して、スパース位相再構成の計算複雑度を $k$ 倍低減できるか？
• RQ4 有界な加法的ノイズ下でのSPARTAの性能はどのようにか？明示的な正則化なしにロバスト性を維持できるか？
• RQ5 ハードスレッショーディングに基づく切り捨てられたアンプリチュードフローについて、スパース設定下で収束性および再構成に関する理論的保証を確立できるか？

主な発見

• SPARTAは、高確率で約 $k^2\log n$ 個のランダムガウス測定値を用いて、任意の $k$-スパース $n$-次元信号（グローバルユニモジュラー定数を除いて）を正確に再構成できる。
• 適切なステップサイズとトリunksレーション閾値が選択されれば、初期値が吸引域内にある場合、反復値が真の信号に線形収束する。
• SPARTAの計算複雑度は $\mathcal{O}(k^2n\log n)$ であり、最新の手法と比較して $k$ 倍の改善を達成している。
• 有界なサポートを持つ加法的ノイズに対してもロバストであり、明示的なノイズモデルなしに安定した性能を維持する。
• 数値実験により、SPARTAは回復精度および実行時間効率の両面で既存の代替手法を顕著に上回ることが示された。
• 理論的解析により、スパース初期化段階が高確率で吸引域内に位置することを確認でき、これによりその後の精緻化が信頼性を持って実行可能である。