[論文レビュー] Spectral Compressed Sensing via Projected Gradient Descent

Jian‐Feng Cai, Tianming Wang+1 more|arXiv (Cornell University)|Jul 31, 2017

Sparse and Compressive Sensing Techniques参考文献 38被引用数 3

ひとこと要約

本稿では、スペクトルスパース信号から形成されるヘンケル行列の低ランク構造を活用することで、スペクトル圧縮センシングのための非凸プロジェクション勾配降下法を提案する。サンプリング・リプレースメントモデルのもとで、O(r² log n) 個のランダムサンプルで正確な復元を達成し、最先端の手法と比較して位相遷移および計算効率の面で優れた性能を示す。

ABSTRACT

Let $x\in\mathbb{C}^n$ be a spectrally sparse signal consisting of $r$ complex sinusoids with or without damping. We consider the spectral compressed sensing problem, which is about reconstructing $x$ from its partial revealed entries. By utilizing the low rank structure of the Hankel matrix corresponding to $x$, we develop a computationally efficient algorithm for this problem. The algorithm starts from an initial guess computed via one-step hard thresholding followed by projection, and then proceeds by applying projected gradient descent iterations to a non-convex functional. Based on the sampling with replacement model, we prove that $O(r^2\log(n))$ observed entries are sufficient for our algorithm to achieve the successful recovery of a spectrally sparse signal. Moreover, extensive empirical performance comparisons show that our algorithm is competitive with other state-of-the-art spectral compressed sensing algorithms in terms of phase transitions and overall computational time.

研究の動機と目的

• 部分的で非一様な時間領域サンプルからのスペクトルスパース信号の再構成のための計算効率の良いアルゴリズムの開発。
• スペクトルスパース信号に関連するヘンケル行列の低ランク構造を活用し、少数の観測からのロバストな復元を可能にする。
• サンプリング・リプレースメントモデルのもとで、非凸最適化アプローチの理論的復元保証を確立する。
• 既存のスペクトル圧縮センシングアルゴリズムと比較して、位相遷移および計算時間の面で優れた経験的性能を示す。

提案手法

• アルゴリズムは、1ステップのハードスレッショルド処理による初期推定値を取得し、その後、低ランクヘンケル行列多様体へのプロジェクションを施す。
• 信号再構成における低ランクヘンケル構造を促進する非凸関数に対して、プロジェクション勾配降下反復を適用する。
• バーデモンデ分解を活用し、ランク r のスペクトルスパース信号が低ランクヘンケル行列を生成することを保証する。
• 理論的分析は、非一様性仮定とサンプリング作用素の確率的バウンドに依存し、勾配およびヘッセ行列の振る舞いを制御する。
• 主な技術的要素には、目的関数の勾配をバウンドするためのノルムと構造的行列摂動解析の使用が含まれる。
• アルゴリズムは、スペクトルモデルにおける減衰なしおよび減衰ありの複素正弦波の両方を扱えるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 非凸プロジェクション勾配降下法は、非最適な数のサンプルでスペクトルスパース信号の正確な復元を達成できるか？
• RQ2 サンプリング・リプレースメントモデルのもとで、O(r² log n) のサンプリングが成功した復元に十分か？
• RQ3 提案手法は、位相遷移および計算効率の面で、最先端の手法と比較してどのように異なるか？
• RQ4 非凸目的関数の幾何的構造は、ランダム初期化からの安定した収束を支持するか？

主な発見

• 提案手法は、サンプリング・リプレースメントモデルのもとで、O(r² log n) 個のランダムに選択された要素を用いて、スペクトルスパース信号の正確な復元を達成する。
• 理論的分析により、非一様性およびサンプリング仮定のもとで、目的関数の勾配が適切に制御されることを示し、収束保証が可能となる。
• 経験的結果から、観測数が少ない場合に FIHT よりも位相遷移で優れた性能を示すことがわかった。
• 再構成精度および計算実行時間の両面で、他の最先端のスペクトル圧縮センシング手法と同等の性能を示す。
• 予備的な数値結果から、目的関数が有益な幾何的構造を有しており、偽の局所最小値が存在しない可能性があることが示唆され、ランダム初期化からのロバストな収束を支持する。