[논문 리뷰] Convolutional Phase Retrieval via Gradient Descent

Qing Qu, Yuqian Zhang외 2명|arXiv (Cornell University)|2017. 12. 03.

Advanced X-ray Imaging Techniques참고 문헌 69인용 수 17

한 줄 요약

이 논문은 스펙트럴 초기화와 일반화된 경사하강법을 활용하여, 무작위 커널과의 순환 컨볼루션의 크기 측정값만으로 복소 신호를 복원하는 증명 가능하게 효율적인 방법을 제안한다. 온건한 조건 하에서, 측정값의 수가 $\Omega(n \|\mathbf{C}_\mathbf{x}\|^2 / \|\mathbf{x}\|^2 \cdot \operatorname{poly}\log n)$ 비율로 증가할 경우, 진짜 신호로의 선형 수렴이 높은 확률로 달성된다.

ABSTRACT

We study the convolutional phase retrieval problem, of recovering an unknown signal $\mathbf x \in \mathbb C^n $ from $m$ measurements consisting of the magnitude of its cyclic convolution with a given kernel $\mathbf a \in \mathbb C^m $. This model is motivated by applications such as channel estimation, optics, and underwater acoustic communication, where the signal of interest is acted on by a given channel/filter, and phase information is difficult or impossible to acquire. We show that when $\mathbf a$ is random and the number of observations $m$ is sufficiently large, with high probability $\mathbf x$ can be efficiently recovered up to a global phase shift using a combination of spectral initialization and generalized gradient descent. The main challenge is coping with dependencies in the measurement operator. We overcome this challenge by using ideas from decoupling theory, suprema of chaos processes and the restricted isometry property of random circulant matrices, and recent analysis of alternating minimization methods.

연구 동기 및 목표

• 알려진 무작위 커널과의 순환 컨볼루션의 크기 측정값만으로 복소 신호를 복원하는 데 도전하는 문제를 다루기.
• 구조화된 무작위 순환 측정 행렬 내의 의존성으로 인해 발생하는 통계적 및 알고리즘적 곤경을 극복하기.
• 현실적인, 구조화된 측정 모델 하에서 컨볼루션형 위상 복원을 위한 증명 가능하게 수렴하는 최적화 방법 개발하기.
• 해법이 진짜 신호로의 전역 위상 이동까지 높은 확률로 선형 수렴을 달성함을 보여주기.
• 최소한의 신호 및 커널 구조에 대한 가정 하에서, 스펙트럴 초기화를 사용한 일반화된 경사하강법을 통한 복원에 대한 이론적 보장을 제공하기.

제안 방법

• 커널 $\mathbf{a}$ 로부터 유도된 순환 행렬 $\mathbf{A}$ 를 사용하여, 비볼록, 비연속, 가중 최소제곱 목적함수로 문제를 설정: $ f(\mathbf{z}) = \frac{1}{2m}\left\|\mathbf{b}^{1/2} \odot (\mathbf{y} - |\mathbf{A}\mathbf{z}|)\right\|^2 $.
• 측정 모델의 구조와 무작위 순환 행렬의 성질을 활용하여, 진짜 신호에 가까운 시작점을 확보하기 위해 스펙트럴 초기화를 사용한다.
• 비연속성을 서브기울기 갱신을 통해 다루며, 비볼록 목적함수를 반복적으로 최소화하기 위해 일반화된 경사하강법을 적용한다.
• 의존성 제약 조건 하에서 수렴 분석을 위해 탈구합 이론, 카오스 과정의 최대값, 무작위 순환 행렬의 제한된 등장성 성질(RIP) 도구를 활용한다.
• 구조화된 무작위 행렬에 특화된 농도 불등식과 moments 유계를 사용하여 최적화 경로의 기하학적 성질을 분석함으로써 수렴 보장을 확립한다.
• 이론적 분석을 용이하게 하기 위해 목적함수에 가중 벡터 $\mathbf{b}$ 를 도입하지만, 최종 복원 성능에 영향을 주지 않는다.

실험 결과

연구 질문

• RQ1 스펙트럴 초기화를 사용한 일반화된 경사하강법이 무작위 커널과의 순환 컨볼루션의 크기 측정값만으로 복소 신호를 증명 가능하게 복원할 수 있는가?
• RQ2 컨볼루션형 위상 복원 모델에서 안정적이고 효율적인 복원을 위해 필요한 최소 측정값 수는 얼마인가?
• RQ3 순환 측정 행렬의 행과 열 간의 통계적 의존성이 경사 기반 방법의 수렴에 어떤 영향을 미치는가?
• RQ4 컨볼루션 모델 하에서 무작위 순환 행렬에 대해 제한된 등장성 성질(RIP)을 확립할 수 있으며, 이는 복원 보장에 어떻게 기여하는가?
• RQ5 컨볼루션 측정 연산자의 구조화된 성격이 일반 무작위 행렬에 비해 효율적인 계산과 향상된 샘플 복잡도를 얼마나 향상시킬 수 있는가?

주요 결과

• 측정값 수 $m$ 이 $m \geq \Omega\left(\frac{\|\mathbf{C}_\mathbf{x}\|^2}{\|\mathbf{x}\|^2} n \cdot \operatorname{poly}\log n\right)$ 를 만족할 경우, 높은 확률로 진짜 신호 $\mathbf{x}$ 는 전역 위상 이동까지 복원된다.
• 스펙트럴 초기화로 얻은 초기점이 $\ell^2$-노름 기준으로 진짜 신호에 가까운 상태에서 시작하여, 반복 수에 대해 선형 수렴 속도를 달성한다.
• 탈구합 기법과 카오스 과정의 최대값을 사용하여 측정 연산자 내 의존성 문제를 이론적으로 극복한다.
• 무작위 순환 행렬에 대해 제한된 등장성 성질(RIP)이 높은 확률로 성립하며, 이는 제시된 샘플 복잡도 하에서 안정적 복원을 가능하게 한다.
• 빠른 푸리에 변환(FFT)의 구조 덕분에 반복당 계산 비용은 $\mathcal{O}(m\log m)$, 메모리 사용량은 $\mathcal{O}(m)$ 으로 효율적이다.
• 복원 과정은 노이즈에 강건하며, 신호의 노름과 컨볼루션 커널의 구조 이외에 강한 가정이 필요하지 않다.