[논문 리뷰] New Low Rank Optimization Model and Convex Approach for Robust Spectral Compressed Sensing

Zai Yang, Xunmeng Wu|arXiv (Cornell University)|2021. 01. 16.

Sparse and Compressive Sensing Techniques참고 문헌 41인용 수 4

한 줄 요약

이 논문은 스펙트럴 희박 신호의 강건한 스펙트럼 압축 측정을 위해, 스펙트럴 폴을 단위 원에 정확히 놓는 것을 명시적으로 강제하는 새로운 저질수 이중 헨켈 모델을 제안한다. 이는 전통적인 헨켈 기반 방법의 근본적인 한계를 극복한다. 이 방법, 즉 이중 강화 행렬 완성(DEMaC)은 부분적 샘플에서 조건부 및 희박한 노이즈가 존재하는 상황에서도 증명 가능한 정확성과 강건성을 보장하며, 최신 기술 대비 향상된 분辨도를 제공한다.

ABSTRACT

This paper investigates recovery of an undamped spectrally sparse signal and its spectral components from a set of regularly spaced samples within the framework of spectral compressed sensing and super-resolution. We show that the existing Hankel-based optimization methods suffer from the fundamental limitation that the prior of undampedness cannot be exploited. We propose a new low rank optimization model partially inspired by forward-backward processing for line spectral estimation and show its capability in restricting the spectral poles on the unit circle. We present convex relaxation approaches with the model and show their provable accuracy and robustness to bounded and sparse noise. All our results are generalized from the 1-D to arbitrary-dimensional spectral compressed sensing. Numerical simulations are provided that corroborate our analysis and show efficiency of our model and advantageous performance of our approach in improved accuracy and resolution as compared to the state-of-the-art Hankel and atomic norm methods.

연구 동기 및 목표

• 감쇠되지 않은 신호에 대해 단위 원 상의 사전 지식을 활용하지 못하는 기존 헨켈 기반 방법의 근본적 한계를 해결한다.
• 스펙트럴 폴이 단위 원 상에 위치하도록 명시적으로 강제하는 새로운 저질수 최적화 모델을 개발하여 물리적 해석 가능성과 성능을 향상시킨다.
• 스펙트럴 희박 신호를 부분적, 노이즈가 있는 샘플로부터 강건하게 복원하기 위한 볼록 리 릴랙세이션 프레임워크인 이중 강화 행렬 완성(DEMaC)을 제안한다.
• DEMaC에 대한 이론적 보장을 수립하며, 이는 전체 및 압축 측정 환경에서의 정확성과 유한한 노이즈 및 희박한 노이즈에 대한 강건성을 포함한다.
• 제안된 모델과 방법을 1차원에서 임의의 다차원 스펙트럼 압축 측정으로 일반화한다.

제안 방법

• 감쇠되지 않은 스펙트럴 희박 신호의 구조를 더 잘 포착하기 위해 두 개의 헨켈 행렬을 조합하여 새로운 저질수 이중 헨켈 모델을 도입한다.
• 이중 헨켈 구조에 기반한 볼록 최적화 문제를 제안하여 핵노름 최소화를 통한 효율적이고 안정적인 복원을 가능하게 한다.
• 비균일성 및 샘플링 가정 하에 정확한 복원 조건을 검증하기 위해 이중 증명을 생성하기 위해 골핑 스킴을 활용한다.
• 수정된 비균일성 조건과 확률적 분석을 사용하여 샘플 수가 $ M = O( u K ext{polylog}(N)) $ 스케일을 만족할 경우 DEMaC가 진짜 신호를 높은 확률로 복원할 수 있음을 보여준다. 여기서 $ u $ 는 신호 구조와 관련된 비균일성 매개변수이다.
• 볼록 리 릴랙세이션에 강력한 최적화 기법을 통합하여 유한한 노이즈와 희박한 노이즈를 모두 처리할 수 있도록 프레임워크를 적응시킨다.
• 크로네커 곱 구조와 텐서 기반 공식화를 사용하여 1차원에서 다차원 스펙트럼 압축 측정으로 모델과 알고리즘을 일반화한다.

실험 결과

연구 질문

• RQ1 스펙트럴 폴이 단위 원 상에 위치하도록 명시적으로 강제하는 저질수 헨켈 기반 모델을 수정할 수 있는가? 이는 물리적 일관성과 성능 향상에 기여하는가?
• RQ2 제안된 이중 헨켈 모델은 해 공간을 상당히 줄이고 진짜 스펙트럴 성분을 복원하는 능력을 향상시키는가?
• RQ3 새로운 모델의 볼록 리 릴랙세이션은 부분적 측정 및 유한/희박한 노이즈 하에서 증명 가능한 복원 정확성과 강건성을 달성할 수 있는가?
• RQ4 새로운 모델을 사용할 때 정확한 복원을 위해 필요한 샘플 비율은 얼마이며, 기존 방법과 비교해 샘플 복잡도 측면에서 어떻게 다른가?
• RQ5 제안된 방법은 이론적 보장과 성능 향상을 유지하면서 다차원 스펙트럼 압축 측정으로 확장될 수 있는가?

주요 결과

• 제안된 이중 헨켈 모델은 스펙트럴 폴이 자연스럽게 단위 원 상에 제약을 받도록 하여, 기존 헨켈 기반 방법의 핵심적 한계를 해결한다.
• 샘플 수가 $ M = O( u K ext{polylog}(N)) $ 를 만족할 경우 DEMaC는 높은 확률로 정확한 복원을 달성한다. 여기서 $ u $ 는 신호 구조와 관련된 비균일성 매개변수이다.
• 이론적으로 제안된 모델 프레임워크 하에서, 이 방법은 유한한 노이즈 및 희박한 노이즈에 대해 강건하며, 이론적 오차 경계가 유도되었다.
• 수치 시뮬레이션은 DEMaC가 정확도와 분辨도 측면에서 최신 기술인 헨켈 및 어토믹 노름 방법보다 뛰어나며, 특히 샘플 수가 적은 영역에서 뛰어난 성능을 보임을 보여준다.
• DEMaC의 이론적 샘플 복잡도는 기존 방법과 순서 수준이 유사하지만, 더 향상된 구조 활용 덕분에 상수 항이 개선되었으며, 이중 증명 생성을 통해 복원 조건이 확인되었다.
• 이 방법은 다차원 스펙트럼 압축 측정으로 자연스럽게 일반화되며, 이론적 보장과 성능 우수성을 유지한다.