[논문 리뷰] Blind Deconvolution using Convex Programming

Ali Ahmed, Benjamin Recht외 1명|arXiv (Cornell University)|2012. 11. 21.

Sparse and Compressive Sensing Techniques참고 문헌 31인용 수 18

한 줄 요약

이 논문은 핵노름 최소화를 통한 낮은 질서 행렬 복원으로 문제를 재구성함으로써 빔드 디컨볼루션을 위한 볼록 최적화 접근법을 제안한다. 일반적이고 분산된 부분공간 가정 하에 신호 차원이 $\max(N,K) \lesssim L$ 를 만족할 경우, 원래의 두 신호를 정확하게 복원할 수 있으며, 이는 채널 추정 및 이미지 흐림 제거에 적용 가능하다.

ABSTRACT

We consider the problem of recovering two unknown vectors, $\boldsymbol{w}$ and $\boldsymbol{x}$, of length $L$ from their circular convolution. We make the structural assumption that the two vectors are members of known subspaces, one with dimension $N$ and the other with dimension $K$. Although the observed convolution is nonlinear in both $\boldsymbol{w}$ and $\boldsymbol{x}$, it is linear in the rank-1 matrix formed by their outer product $\boldsymbol{w}\boldsymbol{x}^*$. This observation allows us to recast the deconvolution problem as low-rank matrix recovery problem from linear measurements, whose natural convex relaxation is a nuclear norm minimization program. We prove the effectiveness of this relaxation by showing that for "generic" signals, the program can deconvolve $\boldsymbol{w}$ and $\boldsymbol{x}$ exactly when the maximum of $N$ and $K$ is almost on the order of $L$. That is, we show that if $\boldsymbol{x}$ is drawn from a random subspace of dimension $N$, and $\boldsymbol{w}$ is a vector in a subspace of dimension $K$ whose basis vectors are "spread out" in the frequency domain, then nuclear norm minimization recovers $\boldsymbol{w}\boldsymbol{x}^*$ without error. We discuss this result in the context of blind channel estimation in communications. If we have a message of length $N$ which we code using a random $L imes N$ coding matrix, and the encoded message travels through an unknown linear time-invariant channel of maximum length $K$, then the receiver can recover both the channel response and the message when $L\gtrsim N+K$, to within constant and log factors.

연구 동기 및 목표

• 비구조적 가정 없이 둘 이상의 알려지지 않은 신호의 원형 컨볼루션으로부터 복원하는 기본 문제를 다루기.
• 특정 구조 조건 하에서 실현 가능하고 정확한 복원을 가능하게 하는 핵노름 최소화 기반의 볼록 완화 프레임워크 도입.
• 신호가 알려진 부분공간에 있고, 하나는 일반적이며 다른 하나는 주파수 도메인에서 분산된 경우 정확한 복원을 위한 이론적 보장을 수립.
• 실제 문제에 적용 가능한 프레임워크 제공: 통신 분야의 빔드 채널 추정 및 이미지 흐림 제거에 응용.
• 측정 수 $L$ 이 $L \gtrsim N + K$ 를 만족할 경우 복원이 가능함을 입증하며, 로그 및 상수 인자까지 고려.

제안 방법

• 컨볼루션 관측치에 대해 외적곱 $\bm{w}\bm{x}^*$ 를 고려함으로써 빔드 디컨볼루션 문제를 낮은 질서 행렬 복원 문제로 재구성하며, 이는 컨볼루션 관측치에 대해 선형이다.
• 행렬 $\bm{w}\bm{x}^*$ 의 질서를 위한 볼록 대체물로 핵노름을 사용하여, 반세미정적계획법을 통해 해결 가능한 볼록 최적화 프로그램으로 이어진다.
• 컨볼루션의 푸리에 도메인 표현을 활용하여 측정 연산자의 구조와 그 영공간을 분석.
• 최근의 낮은 질서 행렬 복원 이론을 적용하여, 핵노름 최소화 프로그램이 일반적인 부분공간 가정 하에 질서 1 행렬을 정확히 복원할 수 있음을 보여준다.
• 집중 부등식 및 랜덤 매트릭스 이론과 같은 확률적 도구를 사용하여 성공적 복원 확률를 근사한다.
• 주어진 조건 하에 측정 연산자가 낮은 질서 행렬에 대해 제한된 이소메트릭 성질(RIP)을 만족함을 입증하여 안정적이고 정확한 복원을 보장.

실험 결과

연구 질문

• RQ1 어떤 조건 하에서 볼록 최적화를 통해 원형 컨볼루션으로부터 두 알려지지 않은 신호를 정확히 복원할 수 있는가?
• RQ2 빔드 디컨볼루션 문제를 이론적 보장이 있는 낮은 질서 행렬 복원 문제로 재구성할 수 있는가?
• RQ3 신호가 질서 $N$ 과 $K$ 를 갖는 부분공간에 있을 경우, 정확한 복원을 보장하기 위해 필요한 최소 측정 수 $L$ 는 얼마인가?
• RQ4 특히 주파수 도메인 분포가 복원 성능에 기여하는 신호 부분공간의 기하학적 및 스펙트럼적 성질은 무엇인가?
• RQ5 일반적인 신호 부분공간에 대해 핵노름 최소화를 통한 볼록 완화가 얼마나 정확한 복원을 이끌어내는가?

주요 결과

• 측정 수 $L$ 이 $\max(N,K) \lesssim L$ 를 만족할 경우, 로그 및 상수 인자까지 고려하여 핵노름 최소화를 통한 질서 1 행렬 $\bm{w}\bm{x}^*$ 의 정확한 복원이 높은 확률로 보장된다.
• 신호 $\bm{x}$ 가 차원 $N$ 의 랜덤 부분공간에서 추출되고, $\bm{w}$ 가 주파수 도메인에서 분산된 기저를 갖는 차원 $K$ 의 부분공간에 있을 경우, $\bm{w}$ 와 $\bm{x}$ 는 높은 확률로 정확히 복원된다.
• 복원 조건 $L \gtrsim N + K$ 는 거의 최적적이며, 측정 수가 신호 부분공간 차원의 합에 선형적으로 비례함을 의미한다.
• 컨볼루션 구조에 의해 형성된 측정 연산자는 주어진 조건 하에 낮은 질서 행렬에 대해 제한된 이소메트릭 성질(RIP)을 만족하며, 이는 안정적 복원을 가능하게 한다.
• 집중 체계 및 랜덤 매트릭스 이론을 활용하여 이론적 보장을 수립하였으며, 특히 푸리에 도메인의 복소 가우시안 벡터에 대해 유용하다.
• 결과는 노이즈에 대해 강건하며, 디지털 통신 분야의 빔드 일치화 및 알려지지 않은 포인트 스프레드 함수를 갖는 이미지 흐림 제거와 같은 실용적 응용으로 확장 가능하다.