[논문 리뷰] Matrix recovery from bilinear and quadratic measurements

Michalina Pacholska, Adam Scholefield외 2명|arXiv (Cornell University)|2020. 01. 14.

Blind Source Separation Techniques참고 문헌 8인용 수 5

한 줄 요약

이 논문은 이차 측정과 이항 측정으로부터 행렬 복원을 다루며, 특히 측정 벡터가 다항식 유사 수열을 이룰 경우, 이항 문제를 추가 측정 수가 선형 수준에서만 증가하는 조건으로 선형화할 수 있음을 보여준다. 주요 기여는 연속적 국소화와 타임 인코딩 머신에서 정확한 재구성 가능성을 보장하는 증명 가능한 유일한 복원 조건으로, $ N \geq K(D+2)-1 $ 측정과 $ \sum \min(k_m, K) \geq K(D+1) $ 조건을 만족할 경우 고도의 확률로 정확한 재구성 가능하다.

ABSTRACT

Matrix (or operator) recovery from linear measurements is a well-studied problem. However, there are situations where only bilinear or quadratic measurements are available. A bilinear or quadratic problem can easily be transformed into a linear one, but it raises questions when the linearized problem is solvable and what is the cost of linearization. In this work, we study a few specific cases of this general problem and show when the bilinear problem is solvable. Using this result and certain properties of polynomial rings, we present a scenario when the quadratic problem can be linearized at the cost of just a linear number of additional measurements. Finally, we link our results back to two applications that inspired it: Time Encoding Machines and Continuous Localisation.

연구 동기 및 목표

• 표준 선형 측정이 아닌, 이항 또는 이차 측정만 이용 가능한 상황에서 행렬 복원 문제를 다루기 위해.
• 이항 측정 시스템이 언제 해를 가지며, 추가 측정 수가 선형 수준에서만 증가하는 조건을 무엇으로 설정할 수 있는지 규명하기 위해.
• 연속적 국소화와 타임 인코딩 머신과 같은 응용 분야에서 행렬의 유일한 복원을 위한 충분한 조건을 설정하기 위해.
• 다항식 링의 구조와 프레임 이론이 이항 및 이차 행렬 복원 문제의 해법에 어떻게 연결되는지 분석하기 위해.
• 혼합된 이항 및 이차 측정을 갖는 시스템에서 실용적인 신호 복원을 위한 이론적 기반을 제공하기 위해.

제안 방법

• 벡터화 및 트레이스 항등식을 이용해 이항 및 이차 측정을 선형 시스템으로 변환: $ b_n = \text{vec}(\boldsymbol{g}_n\boldsymbol{f}_n^T)^T \text{vec}(\boldsymbol{C}) + \text{vec}(\boldsymbol{f}_n\boldsymbol{f}_n^T)^T \text{vec}(\boldsymbol{L}) $.
• 측정 벡터 $ \boldsymbol{f}_n $ 를 시간 매개변수 $ t $ 의 함수로 모델링하여 다항식 또는 밴드리미티드 함수 공간의 활용을 가능하게 한다.
• 다항식 링과 프레임 이론의 성질을 활용해 측정 벡터와 그 외적의 선형 독립성 분석을 수행한다.
• 정리 1을 적용하여 $ \boldsymbol{g}_n $ 이 같은 애프린 아핀 부분공간에 있지 않은 앵커 포인트에서 유도되고 $ \boldsymbol{f}_n $ 이 $ K $ 차원 공간을 차지할 경우 $ \boldsymbol{C} $ 가 유일하게 복원 가능함을 보여준다.
• 레마 4를 활용해 선형화된 시스템에서 이항 및 이차 성분 간의 선형 독립성을 입증한다.
• 앵커 사용 조건에 기반한 복원 조건 수립: $ \sum_{m=0}^{M-1} \min(k_m, K) \geq K(D+1) $, 이는 측정의 충분한 다양성을 보장한다.

실험 결과

연구 질문

• RQ1 한 셋의 벡터가 프레임을 이루고 다른 셋이 상호 다른 벡터인 경우, 이항 측정으로부터 행렬이 언제 유일하게 복원될 수 있는가?
• RQ2 측정 벡터 $ \boldsymbol{f}_n $ 이 다항식 또는 밴드리미티드 함수 공간에서 유도될 경우, 이차 문제의 선형화에 추가 측정 수가 선형 수준에서만 증가하는가? 어떤 구조적 가정이 이를 가능하게 하는가?
• RQ3 다항식 링의 성질과 프레임 이론은 어떻게 상호작용하여 선형화된 시스템의 해법 가능성을 보장하는가?
• RQ4 범위 측정으로부터 연속적 국소화에서 유일한 복원을 보장하기 위해 필요한 최소 측정 수는 얼마인가?
• RQ5 선형화된 시스템은 원래의 비선형 행렬 복원 문제의 해를 유지하는가?

주요 결과

• 측정 벡터 $ \boldsymbol{g}_n $ 이 같은 아핀 부분공간에 있지 않은 앵커 포인트에서 유도되고 $ \boldsymbol{f}_n $ 이 시간 매개변수로 매개변수화된 선형 독립 벡터일 경우, 이항 측정 시스템은 해를 가진다.
• 측정 벡터 $ \boldsymbol{f}_n $ 가 다항식 또는 밴드리미티드 함수 공간의 $ K $ 차원 공간에서 유도될 경우, 이차 문제의 선형화에 추가 측정 수가 선형 수준에서만 증가한다.
• 연속적 국소화의 경우, $ N \geq K(D+2) - 1 $ 측정이 확보되어 있을 경우, 궤적 행렬 $ \boldsymbol{C} $ 는 확률 1로 유일하게 복원 가능하다.
• 조건 $ \sum_{m=0}^{M-1} \min(k_m, K) \geq K(D+1) $ 는 선형화된 시스템을 통한 유일한 복원에 필수적이고 충분하다.
• 측정 벡터 $ \boldsymbol{f}_n $ 가 치수 $ K $ 의 공간에서 유도될 경우, 선형화된 시스템의 이항 및 이차 성분은 선형 독립적이며, 이는 시스템 행렬의 전체 질서를 보장한다.
• 이론적 프레임워크는 비선형 측정을 최소한의 오버헤드로 해결 가능한 선형 시스템으로 변환함으로써 타임 인코딩 머신과 연속적 국소화 시스템에서 정확한 복원을 가능하게 한다.