[論文レビュー] Sparse Signal Recovery from Quadratic Measurements via Convex Programming

Xiaodong Li, Vladislav Voroninski|arXiv (Cornell University)|Sep 21, 2012

Sparse and Compressive Sensing Techniques参考文献 6被引用数 30

ひとこと要約

本稿では、$β$-ノルムとトレース最小化を用いて、2次測定値からスパース信号を回復するための凸最適化フレームワークを提案する。ガウス測定ベクトルの下で、高確率に、$k \leq O(\sqrt{m / \log n})$ の条件下で、位相因子を除き、$k$-スパース信号を正確に回復できることを証明している。これは、$\ell_1$-ノルムとトレース最小化を組み合わせた、修正された PhaseLift 型プログラムを用いる。

ABSTRACT

In this paper we consider a system of quadratic equations ||^2 = b_j, j = 1, ..., m, where x in R^n is unknown while normal random vectors z_j in R_n and quadratic measurements b_j in R are known. The system is assumed to be underdetermined, i.e., m < n. We prove that if there exists a sparse solution x, i.e., at most k components of x are non-zero, then by solving a convex optimization program, we can solve for x up to a multiplicative constant with high probability, provided that k <= O((m/log n)^(1/2)). On the other hand, we prove that k <= O(log n (m)^(1/2)) is necessary for a class of naive convex relaxations to be exact.

研究の動機と目的

• 古典的な位相回復が不定性のため失敗する、$n$ より少ない2次測定値からのスパース信号回復の課題に対処すること。
• 特にスパース設定において、圧縮センシングの原則を2次測定モデルに拡張すること。
• 特に $m \ll n$ の場合に、スパース位相回復における凸緩和法の理論的保証を提供すること。
• 既存の凸緩和法の限界を分析し、正確な回復の鋭い閾値を同定すること。

提案手法

• 解のスパarsityと低ランク構造を促進するために、$\ell_1$-ノルム最小化とトレース最小化を組み合わせた凸プログラムを定式化する。
• 正確な回復を証明する有効な双対解を構築するため、ゴルフィングスキームに基づく双対証明を用いる。
• 独立同分布に従う標準正規分布から抽出された測定ベクトルの挙動を解析するため、確率的行列理論と集中不等式を適用する。
• KKT条件に基づく議論を用いて、真のスパース信号 $\bm{x}\bm{x}^T$ が凸プログラムの唯一の最小化子であることを検証する。
• トレース最小化目的関数に $\ell_1$-正則化項を追加することで、修正された PhaseLift フレームワークを導入する。
• ゴルフィングスキームに依存し、最適性条件を高確率で満たす双対証明を段階的に構築する。

実験結果

リサーチクエスチョン

• RQ1 測定数 $m$ が信号次元 $n$ より著しく小さい場合、2次測定値からスパース信号を回復できるか？
• RQ2 凸緩和法が $m$ 個の2次測定値から $k$-スパース信号を正確に回復できる最大のスパarsityレベル $k$ は何か？
• RQ3 提案された凸プログラムの性能は、スパース位相回復における適切な問題の理論的限界とどのように比較できるか？
• RQ4 提案された凸緩和法はタイトか、それとも回復閾値と情報理論的限界の間にギャップがあるか？
• RQ5 ゴルフィングスキームによる双対証明は、非ガウス測定集合に対しても正確な回復を証明するために拡張可能か？

主な発見

• 提案された凸プログラムは、$k \leq O(\sqrt{m / \log n})$ の条件下で、高確率に真の $k$-スパース信号 $\bm{x}$ を乗法定数を除き正確に回復する。
• 回復閾値 $k \leq O(\sqrt{m / \log n})$ が、与えられた凸緩和法に対して鋭いことが示された。これは、同じフレームワーク下でより良い回復は不可能であることを意味する。
• 単純な凸緩和法のクラスでは、正確な回復のための必要条件が $k \leq O(\log n \cdot \sqrt{m})$ であることが判明し、必要条件と十分条件の間にギャップがあることが示された。
• 測定数が提示されたスパarsity制約を満たす場合、ゴルフィングスキームによる双対証明は高確率で成功する。
• 信号が十分にスパースで、測定ベクトルが独立同分布に従う標準正規分布から抽出される限り、$m \ll n$ の場合でも正確な回復が達成される。
• 解析により、凸緩和法が情報理論的限界より厳密に下回る回復閾値を持つことが判明し、改善可能な新たな定式化の余地があることが示された。