[論文レビュー] Stability results for random sampling of sparse trigonometric polynomials

Holger Rauhut|ArXiv.org|Sep 22, 2006

Sparse and Compressive Sensing Techniques参考文献 31被引用数 5

ひとこと要約

本稿は、乱数によるサンプリングからスパースな三角多項式を再構成するためのベースス・パーサイツ（BP）および直交一致 Pursuit（OMP）を用いた理論的安定性結果を確立する。BPはノイズを考慮した変種を用いることで測定ノイズ下でも安定であることが証明され、OMPについても部分的な安定性保証が得られ、数値実験により実際の応用においてOMPがBPを上回ることが多いことが確認されたが、一様回復保証は存在しない。

ABSTRACT

Recently, it has been observed that a sparse trigonometric polynomial, i.e. having only a small number of non-zero coefficients, can be reconstructed exactly from a small number of random samples using Basis Pursuit (BP) or Orthogonal Matching Pursuit (OMP). In the present article it is shown that recovery by a BP variant is stable under perturbation of the samples values by noise. A similar partial result for OMP is provided. For BP in addition, the stability result is extended to (non-sparse) trigonometric polynomials that can be well-approximated by sparse ones. The theoretical findings are illustrated by numerical experiments.

研究の動機と目的

• 測定値がノイズによって汚染される状況下で、スパースな三角多項式を再構成するためのベースス・パーサイツ（BP）の理論的安定性を確立すること。
• ノイズのある測定値下での直交一致 Pursuit（OMP）について、部分的な理論的安定性結果を提供すること。
• スパースな多項式でよく近似できる非スパースな三角多項式に対してもBPの安定性を拡張すること。
• 合成信号とノイズを用いた数値実験を通じて、BPとOMPの間での再構成誤差およびサポート回復の比較を通じて理論的知見を検証すること。

提案手法

• ノイズレベルの推定を$σ$-パラメータ化された$β$-制約を介して組み込むBPの変種を用い、ノイズのあるサンプリング下での再構成を安定化する。
• ランダムに選ばれた$[0,2\pi]^d$上の点からなるフーリエ型測定行列に対して、制限等長性性質（RIP）の推定を適用する。
• 確率的解析を用いて、連続的立方体上でのランダムなサンプリング点が、高い確率で安定な再構成をもたらすことを示す。
• スパース信号に対して$M$回の反復を用いるグリーディアルゴリズムとしてのOMPを実装し、残差との相関が最大となるアトムを逐次選択する。
• コherー性およびRIP型条件に依存する、ノイズ下でのBPおよびOMPの再構成誤差に関する理論的境界を導出する。
• 合成信号とノイズを用いた数値実験を実施し、BPとOMPの平均再構成誤差および正しくサポートを回復する確率を比較する。

実験結果

リサーチクエスチョン

• RQ1 スパースな三角多項式の再構成において、$[0,2\pi]^d$ 上の連続一様分布からのサンプリング値が加法的ノイズによって摂動された場合、ベースス・パーサイツ（BP）は安定か？
• RQ2 一様回復保証が存在しない状況下でも、直交一致 Pursuit（OMP）が理論的にノイズ下で安定であることが示せるか？
• RQ3 信号が厳密にスパースではないが、スパースな近似が可能な場合、ノイズ下でのBPとOMPの再構成誤差はどのように比較されるか？
• RQ4 近似誤差の境界を用いることで、非スパースな三角多項式に対してもBPの理論的安定性結果を拡張できるか？
• RQ5 一様回復保証が欠如しているにもかかわらず、実際の応用においてOMPがBPを上回る可能性があるのか、そのような状況はどのような条件下で生じるか？

主な発見

• 提案されたBPの変種はノイズ下でも安定であり、再構成誤差がノイズレベルと最良の$M$項近似誤差の定数倍で抑えられることを示した。
• 数値実験により、ノイズが存在する状況下で、OMPの平均再構成誤差がBPよりも通常低くなることが確認された。
• ノイズレベルが信号のサンプルの$Â뀭$-ノルムと同等に達する場合でさえ、OMPは正しくサポート集合を回復でき、強いロバストネスを示した。
• 理論的利点があるにもかかわらず、実際にはBPがOMPを常に上回らない。OMPはしばしばより頻繁に正しくサポートを回復し、より低い誤差を達成した。
• BPおよびOMPの安定性結果は、$M$スパースな近似が可能な非スパース信号に対しても拡張可能であり、誤差境界は近似の質に依存する。
• ランダムなサンプリング点$[0,2\pi]^d$における制限等長性定数の理論的推定は、安定性解析を支援し、CoSaMP や ROMP などの関連アルゴリズムへの応用を可能にする。