[논문 리뷰] Phase Retrieval via Sparse Wirtinger Flow

Ziyang Yuan, Qi Wang외 1명|arXiv (Cornell University)|2017. 04. 11.

Advanced X-ray Imaging Techniques참고 문헌 14인용 수 9

한 줄 요약

이 논문은 희소 단서 복원을 위한 이중 단계 알고리즘인 희소 위르팅어 플로우(SWF)를 제안한다. 이 알고리즘은 먼저 잘리기 쉬운 스펙트럼 방법을 사용해 신호 지지 집합을 추정하고, 이후 하드-스패핑 기반의 경사하강법을 통해 추정치를 정밀화한다. SWF는 샘플링 복잡도 $\mathcal{O}(k^2 \log n)$와 계산 복잡도 $\mathcal{O}(k^3 n \log n \log \frac{1}{\varepsilon})$로 기하급수 수렴을 달성하며, 특히 희소성가 잘못 지정되거나 노이즈가 존재하는 경우에도 최첨단 기법들보다 복원 정확도와 강건성 면에서 뛰어나다.

ABSTRACT

Phase retrieval(PR) problem is a kind of ill-condition inverse problem which can be found in various of applications. Utilizing the sparse priority, an algorithm called SWF(Sparse Wirtinger Flow) is proposed in this paper to deal with sparse PR problem based on the Wirtinger flow method. SWF firstly recovers the support of the signal and then updates the evaluation by hard thresholding method with an elaborate initialization. Theoretical analyses show that SWF has a geometric convergence for any $k$ sparse $n$ length signal with the sampling complexity $\mathcal{O}(k^2\mathrm{log}n)$. To get $\varepsilon$ accuracy, the computational complexity of SWF is $\mathcal{O}(k^3n\mathrm{log}n\mathrm{log}\frac{1}{\varepsilon})$. Numerical tests also demonstrate that SWF performs better than state-of-the-art methods especially when we have no priori knowledge about sparsity $k$. Moreover, SWF is also robust to the noise

연구 동기 및 목표

• 제한된 측정값을 가진 불안정하고 비볼록인 역문제에서 희소 단서 복원의 과제를 해결한다.
• 희소성을 활용해 복원 성능을 향상시키고 샘플링 복잡도를 감소시키는 효율적인 알고리즘을 개발한다.
• $k$-희소 신호에 대해 샘플링 및 계산 복잡도에 대한 이론적 보장을 보장하면서 기하급수 수렴을 달성한다.
• 기존의 $k$ 값에 대한 지식이 정확하지 않은 경우, 노이즈 및 희소성 가정 오류에 대해 강건성을 향상시킨다.
• SPARTA, ALTMIN 및 임계값 설정 WF와 같은 기존 기법들보다 복원률과 수렴 속도 면에서 뛰어나다.

제안 방법

• 이중 단계 알고리즘 제안: 먼저 타당한 규칙을 사용해 신호 지지 집합을 복원하고, 이후 잘리기 쉬운 스펙트럼 방법을 통해 추정된 지지 집합에 신호를 초기화한다.
• 4차 미분 가능하고 최적화에 유리한 기하적 성질을 지닌 가우시안 최대우도 목적 함수를 사용한다.
• 두 번째 단계에서 희소성을 유지하면서 신호 추정치를 정밀화하기 위해 하드-스패핑 기반 경사하강법을 적용한다.
• 특히 $m$이 $k$보다 크게 초과되지 않을 경우 수렴 성능을 향상시키고 국소 최소값을 피하기 위해 잘리기 쉬운 경사 업데이트를 사용한다.
• 신호를 추정된 지지 집합에 제한하는 잘 구성된 초기화를 통해 수렴 안정성을 향상시킨다.
• 이론적 분석 결과, 최소 비영원소가 $\frac{1}{k}\|\mathbf{x}\|$ 정도일 때 $\mathcal{O}(k^2 \log n)$의 샘플링 복잡도로 기하급수 수렴이 가능하다.

실험 결과

연구 질문

• RQ1 이중 단계 위르팅어 플로우 방법은 낮은 샘플링 복잡도로 희소 단서 복원에서 기하급수 수렴을 달성할 수 있는가?
• RQ2 SWF는 희소성 $k$가 잘못 지정되었을 경우, 즉 사전 지식이 정확하지 않을 경우 어떻게 성능을 발휘하는가?
• RQ3 SWF의 계산 복잡도와 샘플링 복잡도는 SPARTA 및 ALTMIN과 같은 최첨단 기법들과 비교해 어떻게 되는가?
• RQ4 측정값에 가우시안 노이즈가 존재할 경우 SWF의 강건성은 어떠한가?
• RQ5 특히 $m$이 $k$보다 크게 초과되지 않을 경우, SWF에서 잘리기 쉬운 경사 업데이트 전략이 성능을 유지하는가?

주요 결과

• SWF는 샘플링 복잡도 $\mathcal{O}(k^2 \log n)$로 기하급수 수렴을 달성하며, 이는 이전 기법들이 요구하는 $m/n > 3$ 조건보다 현저히 낮은 수준이다.
• $\varepsilon$-정확도 복원을 위해 SWF의 계산 복잡도는 $\mathcal{O}(k^3 n \log n \log \frac{1}{\varepsilon})$이다.
• 수치 실험에서, 진짜 희소성이 10일 때 사전 지식의 $k$가 100으로 설정된 경우에도 SWF는 95%의 복원률을 달성하며, 희소성 가정 오류 상황에서 SPARTA를 능가한다.
• SWF는 $m/n = 1.5$에서도 100% 복원률을 유지하며, SNR 5–10 dB 수준에서 SPARTA 및 ALTMIN보다 평균 NMSE가 낮아 노이즈에 대해 뛰어난 강건성을 보인다.
• SWF는 이격된 WF보다 더 적은 반복 수(예: $m/n = 1$일 때 79회 대비 697회)를 요구하며, 반복 횟수가 더 많더라도 총 소요 시간 측면에서 SPARTA보다 빠르다.
• 예시 연구에서 $n = m = 3$, $k = 1$, 사전 지식의 $k = 2$ 조건에서 SPARTA는 국소 최소값에 갇히지만, SWF는 NMSE가 $10^{-5}$ 이하로 진짜 신호로 수렴한다.