[논문 리뷰] Identifiability and Stability in Blind Deconvolution under Minimal Assumptions

Yanjun Li, Kiryung Lee외 1명|arXiv (Cornell University)|2015. 07. 06.

Sparse and Compressive Sensing Techniques인용 수 5

한 줄 요약

이 논문은 최소한의 가정 하에서 블라인드 디컨volution에 대한 최적의 샘플 복잡도 경계를 확립한다. 신호와 필터의 스파arsity 수준 또는 부분공간 차원의 합을 초과하는 측정값 수가 존재할 경우, 유일하고 안정적인 복원이 가능함을 증명한다. 최근의 낮은 랭크 행렬 복원 기술을 활용하여, 알려지지 않은 변수의 자유도와 정확히 일치하는 날것의 결정론적 조건을 도출함으로써, 이전 연구에서 오랫동안 존재했던 부분 최적 경계의 격차를 해결한다.

ABSTRACT

Blind deconvolution (BD) arises in many applications. Without assumptions on the signal and the filter, BD does not admit a unique solution. In practice, subspace or sparsity assumptions have shown the ability to reduce the search space and yield the unique solution. However, existing theoretical analysis on uniqueness in BD is rather limited. In an earlier paper, we provided the first algebraic sample complexities for BD that hold for almost all bases or frames. We showed that for BD of a pair of vectors in $\mathbb{C}^n$, with subspace constraints of dimensions $m_1$ and $m_2$, respectively, a sample complexity of $n\geq m_1m_2$ is sufficient. This result is suboptimal, since the number of degrees of freedom is merely $m_1+m_2-1$. We provided analogus results, with similar suboptimality, for BD with sparsity or mixed subspace and sparsity constraints. In this paper, taking advantage of the recent progress on the information-theoretic limits of unique low-rank matrix recovery, we finally bridge this gap, and derive an optimal sample complexity result for BD with generic bases or frames. We show that for BD of an arbitrary pair (resp. all pairs) of vectors in $\mathbb{C}^n$, with sparsity constraints of sparsity levels $s_1$ and $s_2$, a sample complexity of $n > s_1+s_2$ (resp. $n > 2(s_1+s_2)$) is sufficient. We also present analogous results for BD with subspace constraints or mixed constraints, with the subspace dimension replacing the sparsity level. Last but not least, in all the above scenarios, if the bases or frames follow a probabilistic distribution specified in the paper, the recovery is not only unique, but also stable against small perturbations in the measurements, under the same sample complexities.

연구 동기 및 목표

• 기존의 부분 최적 샘플 복잡도 경계와 블라인드 디컨볼루션의 진짜 자유도 사이의 격차를 메우기 위해.
• 스parsitiy 또는 부분공간 제약 조건이 있는 블라인드 디컨볼루션에서 고유하고 안정적인 복원을 위한 날것의 결정론적 충분 조건을 설정하기 위해.
• 일반적인 기저 또는 프레임으로의 이론적 보장을 확장하여, 최적의 측정 수에서 식별 가능성과 안정성을 보장하기 위해.
• 이전 연구에서 오랫동안 지속된 부분 최적 경계 문제, 특히 $n \geq m_1 m_2$ 조건을 해결하기 위해 실제 자유도 $m_1 + m_2 - 1$ 과 일치시키기 위해.

제안 방법

• 블라인드 디컨볼루션을 낮은 랭크 행렬 복원 문제로 재구성하기 위해 리프팅 프레임워크를 활용한다.
• 최근의 정보이론적 결과를 적용하여 고유한 낮은 랭크 행렬 복원에 대해 날것의 샘플 복잡도 경계를 유도한다.
• 이중선형 대수학과 핵공간 분석을 사용하여 식별 조건을 특성화하며, 특히 핵공간 내의 랭크-2 행렬에 초점을 맞춘다.
• 커버링 추론과 박스 카운팅 차원을 활용하여 측정값의 소규모 변화에 대한 안정성을 분석한다.
• 확률적 실패 항목이 이전 연구에서 흔한 것과 달리, 상수와 로그 인자에 대해 날것의 경계를 도출한다.
• 실수 및 복소 신호 모델을 모두 고려하며, 스파arsity와 부분공간 구조를 포함한 혼합 제약 조건으로 결과를 확장한다.

실험 결과

연구 질문

• RQ1 일반적인 스파arsity 또는 부분공간 제약 조건 하에서 블라인드 디컨볼루션의 고유한 복원을 보장하기 위해 필요한 최소 측정 수는 얼마인가?
• RQ2 샘플 복잡도를 실제로 알려진 신호와 필터의 자유도와 일치시켜 최적화할 수 있는가?
• RQ3 블라인드 디컨볼루션은 어떤 조건에서 식별 가능성 외에도 소규모 측정값 변화에 대해 안정적인가?
• RQ4 신호와 필터가 정규직교 기저가 아닌 일반적인 기저 또는 프레임에서 스파스일 경우 결과는 어떻게 달라지는가?
• RQ5 이론적 보장이 높은 확률에서만 성립하는 것이 아니라, 모든 이러한 기저 또는 프레임에 대해 결정론적이고 보편적인가?

주요 결과

• 스파arsity 수준이 각각 $s_1$과 $s_2$인 $\mathbb{C}^n$ 내 두 벡터의 블라인드 디컨볼루션에 대해, $n > s_1 + s_2$의 샘플 복잡도로도 고유한 복원이 가능하다.
• 모든 벡터 쌍에 대해 $n > 2(s_1 + s_2)$가 충분하며, 이는 연속적인 매개변수 공간 내 자유도와 정확히 일치한다.
• 차원이 각각 $m_1$과 $m_2$인 부분공간 제약 조건이 있을 경우, 필요한 샘플 복잡도는 $n > m_1 + m_2 - 1$이며, 이는 자유도와 정확히 일치한다.
• 신호와 필터가 일반적인 기저 또는 프레임에서 스파스일 경우, 복원은 고유할 뿐 아니라 소규모 측정값 변화에 대해 안정적이다.
• 이 결과들은 상수나 로그 인자 없이도 날것의 경계를 이루며, 이는 이전 연구에서 오랫동안 존재했던 부분 최적 경계 문제를 해결한다.
• 분석은 실수 및 복소 신호 모델 모두에 적용되며, 스파arsity와 부분공간 구조를 포함한 혼합 제약 조건으로도 확장된다.