[論文レビュー] Spectral Method for Phase Retrieval: an Expectation Propagation Perspective

Junjie Ma, Rishabh Dudeja+3 more|arXiv (Cornell University)|Mar 6, 2019

Advanced X-ray Imaging Techniques参考文献 40被引用数 4

ひとこと要約

本稿は、正規直交測定行列における位相回復のスペクトル初期化を分析するための期待値伝播（EP）フレームワークを導入し、意味的な回復が可能な閾値δ=2における段階的転移を明らかにした。EP予測はハール分布およびフーリエに基づくモデルにおいても性能を正確に捉えており、最適なスペクトル手法設計がi.i.d.ガウスモデルと一致することを示した。

ABSTRACT

Phase retrieval refers to the problem of recovering a signal $\mathbf{x}_{\star}\in\mathbb{C}^n$ from its phaseless measurements $y_i=|\mathbf{a}_i^{\mathrm{H}}\mathbf{x}_{\star}|$, where $\{\mathbf{a}_i\}_{i=1}^m$ are the measurement vectors. Many popular phase retrieval algorithms are based on the following two-step procedure: (i) initialize the algorithm based on a spectral method, (ii) refine the initial estimate by a local search algorithm (e.g., gradient descent). The quality of the spectral initialization step can have a major impact on the performance of the overall algorithm. In this paper, we focus on the model where the measurement matrix $\mathbf{A}=[\mathbf{a}_1,\ldots,\mathbf{a}_m]^{\mathrm{H}}$ has orthonormal columns, and study the spectral initialization under the asymptotic setting $m,n o\infty$ with $m/n oδ\in(1,\infty)$. We use the expectation propagation framework to characterize the performance of spectral initialization for Haar distributed matrices. Our numerical results confirm that the predictions of the EP method are accurate for not-only Haar distributed matrices, but also for realistic Fourier based models (e.g. the coded diffraction model). The main findings of this paper are the following: (1) There exists a threshold on $δ$ (denoted as $δ_{\mathrm{weak}}$) below which the spectral method cannot produce a meaningful estimate. We show that $δ_{\mathrm{weak}}=2$ for the column-orthonormal model. In contrast, previous results by Mondelli and Montanari show that $δ_{\mathrm{weak}}=1$ for the i.i.d. Gaussian model. (2) The optimal design for the spectral method coincides with that for the i.i.d. Gaussian model, where the latter was recently introduced by Luo, Alghamdi and Lu.

研究の動機と目的

• 正規直交測定行列を用いた位相回復におけるスペクトル初期化の性能を、m,n→∞およびm/n→δの下で特徴づけること。
• スペクトル初期化が意味的な推定を生成できなくなる臨界閾値δ_weakを特定すること。
• ハール分布および現実的なフーリエに基づく測定モデルにおける期待値伝播（EP）予測の正確性を検証すること。
• 正規直交モデル下で初期化品質を最大化する最適なスペクトル処理関数T(y)を特定すること。
• i.i.d.ガウスモデルにおける先行研究（δ_weak=1）と比較し、スペクトル手法の性能閾値を評価すること。

提案手法

• 期待値伝播（EP）フレームワークを用いて、位相回復におけるスペクトル初期化の漸近的性能予測を導出する。
• 測定行列Aを正規直交列を持つものと仮定し、漸近的状態でハール分布の要素を持つものとモデル化する。
• EP近似を用いて、真の信号とスペクトル推定値との間のコサイン類似度の状態遷移方程式を導出する。
• データ行列D = A^H diag{T(y_i)} Aに非線形処理関数T(y)を導入し、初期化品質を向上させる。
• チェビシェフの関連不等式および単調性解析を適用し、EPに基づく性能境界の収束性および最適性を証明する。
• ハール分布および符号化分散パターン（フーリエに基づく）モデルの両方において、EP予測を数値的に検証する。

実験結果

リサーチクエスチョン

• RQ1 正規直交測定行列において、スペクトル初期化が意味的な推定を生成できなくなる臨界閾値δ_weakは何か？
• RQ2 データ行列における非線形処理関数T(y)の選択が、スペクトル初期化の性能にどのように影響するか？
• RQ3 期待値伝播（EP）フレームワークは、符号化分散パターンのような非ガウス測定モデルにおけるスペクトル初期化性能を正確に予測できるか？
• RQ4 正規直交行列におけるスペクトル手法の最適設計は、i.i.d.ガウス行列におけるそれと一致するか？
• RQ5 処理関数T(y)の単調性とEPに基づく状態遷移の収束性の関係は何か？

主な発見

• 正規直交測定行列ではδ=2で段階的転移が発生し、それより下ではスペクトル初期化が意味的な推定を生成できない。すなわちδ_weak=2である。
• 正規直交モデルにおける最適処理関数T(y)は、最近、Luo, Alghamdi, および Luがi.i.d.ガウスモデルに対して提案したものと一致する。
• EPフレームワークはハール分布行列だけでなく、現実的なフーリエに基づくモデル（例：符号化分散パターン）に対しても、スペクトル初期化性能を正確に予測できる。
• 処理関数T(y)が増加的であり、EPを用いて導出された特定の単調性条件を満たす場合、真の信号とスペクトル推定値とのコサイン類似度が最大化される。
• 理論的解析により、T(y)=T⋆(y)=1−1/(δy²)のとき、すべてのμ∈(0,1)に対してψ1(μ) > ψ2(μ)が成り立つことが確認され、最適設計下での性能向上が裏付けられる。
• 数値結果により、予測された閾値δ=2が鋭く、EPに基づく予測が多様な測定モデルにおいて実測性能と密接に一致することが検証された。