[論文レビュー] Stability of partial Fourier matrices with clustered nodes.

Dmitry Batenkov, Laurent Demanet+2 more|arXiv (Cornell University)|Sep 3, 2018

Sparse and Compressive Sensing Techniques参考文献 21被引用数 9

ひとこと要約

この論文は、グリッド外のノードが凝集している部分フーリエ行列の最小特異値に対する鋭い多項式的下界を確立し、完全に分離されたノードや単一クラスタのノードに限った既存の結果を一般化する。下界はクラスタリング要因の逆数に依存し、その指数は任意のクラスタ内のノード数の最大値によって決定され、スパarsity制約下でのスーパーキャラクタリゼーション理論に新たな理論的支援を提供する。

ABSTRACT

We prove sharp lower bounds for the smallest singular value of a partial Fourier matrix with arbitrary off the grid nodes (equivalently, a rectangular Vandermonde matrix with the nodes on the unit circle), in the case when some of the nodes are separated by less than the inverse bandwidth. The bound is polynomial in the reciprocal of the so-called factor, while the exponent is controlled by the maximal number of nodes which are clustered together. This generalizes previously known results for the extreme cases when all of the nodes either form a single cluster, or are completely separated. We briefly discuss possible implications for the theory and practice of super-resolution under sparsity constraints.

研究の動機と目的

• ノードが一様に配置されておらず、かつ一部が逆帯域幅未満の範囲に凝集している場合の部分フーリエ行列の最小特異値に対する鋭い下界を導出すること。
• 既存の結果を一般化すること：すべてのノードが分離されている場合や、単一のクラスタを形成する場合に限定された極端な状況に限られる。
• スパarsity制約下でのスーパーキャラクタリゼーション再構成の安定性を、サンプリング行列の条件数を分析することで定量化すること。
• ノードの凝集が、単位円上に定義された長方形バナッハ・ヴァンデルモンド行列の可逆性および条件数に与える影響を同定すること。

提案手法

• 単位円上にノードを有する長方形バナッハ・ヴァンデルモンド行列の最小特異値を分析し、部分フーリエ行列を表現する。
• 密なグループ内でのノード間最小距離を逆帯域幅に対して相対的に測る「クラスタリング要因」を導入する。
• このクラスタリング要因の逆数の多項式として、最小特異値の下界を導出する。
• 調和解析および行列摂動論の技術を用いて、任意のクラスタ内に存在するノード数の最大値に依存する依存関係を制御する。
• 完全に分離されたノードや単一クラスタの極端な場合に既に得られている結果を、密度が異なる複数のクラスタを含む一般ケースにまで拡張する。
• 得られた下界を応用し、スパarsity制約下でのスーパーキャラクタリゼーションアルゴリズムの安定性を評価する。

実験結果

リサーチクエスチョン

• RQ1 ノードが逆帯域幅未満の範囲に凝集している場合、部分フーリエ行列の最小特異値はどのように振る舞うか？
• RQ2 最小特異値が、最も密集したクラスタ内のノード数によって測定される凝集度にどのように依存するか？
• RQ3 最小特異値の下界をクラスタリング要因の逆数の多項式として表現できるか？その指数は何かが制御するか？
• RQ4 この下界は、すべてのノードが分離されている場合や単一クラスタの場合に既知の結果をどのように一般化するか？
• RQ5 この下界は、スパarsity制約下でのスーパーキャラクタリゼーションアルゴリズムの安定性およびロバストネスにどのような意味を持つか？

主な発見

• 凝集ノードを有する部分フーリエ行列の最小特異値は、クラスタリング要因の逆数の多項式によって下から抑えられる。
• この多項式の指数は、同時に凝集しているノード数の最大値によって決定される。
• この下界は、すべてのノードが分離されている場合や単一クラスタの場合の既存結果を一般化する。
• この結果は、ノードが均等なグリッド上にない場合のスパarsity制約下でのスーパーキャラクタリゼーションの安定性に対する理論的基盤を提供する。
• 解析により、凝集はサンプリング行列の条件数を劣化させるが、その劣化はクラスタサイズによって定量的に制御されることを確認した。
• このフレームワークにより、圧縮センシングおよびスーパーキャラクタリゼーションにおけるノードの凝集と再構成の安定性の間のトレードオフを正確に特徴づけることができる。