[논문 리뷰] RIP-like Properties in Subsampled Blind Deconvolution

Kiryung Lee, Marius Junge|arXiv (Cornell University)|2015. 11. 19.

Sparse and Compressive Sensing Techniques참고 문헌 12인용 수 16

한 줄 요약

이 논문은 비볼록 스펙트럴 평탄도 사전을 고려한 부분 표본 추출 망각 회복 문제에 대해 near-optimal 성능 보장을 수립한다. 이를 위해 비볼록 스펙트럴 평탄도 사전에 특화된 RIP 유사 성질을 도입하고 분석한다. i.i.d. 랜덤 사전을 사용할 경우, 안정적인 희소 신호 복원이 $ m = O((\mu_1 s_2 + \mu_2 s_1)\log^5 n) $ 표본 복잡도에서 달성 가능하며, 이는 near-optimal 샘플링 비율에서 실용적인 알고리즘을 통한 증명 가능한 복원을 가능하게 한다.

ABSTRACT

We derive near optimal performance guarantees for subsampled blind deconvolution. Blind deconvolution is an ill-posed bilinear inverse problem and additional subsampling makes the problem even more challenging. Sparsity and spectral flatness priors on unknown signals are introduced to overcome these difficulties. While being crucial for deriving desired near optimal performance guarantees, unlike the sparsity prior with a nice union-of-subspaces structure, the spectral flatness prior corresponds to a nonconvex cone structure, which is not preserved by elementary set operations. This prohibits the operator arising in subsampled blind deconvolution from satisfying the standard restricted isometry property (RIP) at near optimal sample complexity, which motivated us to study other RIP-like properties. Combined with the performance guarantees derived using these RIP-like properties in a companion paper, we show that subsampled blind deconvolution is provably solved at near optimal sample complexity by a practical algorithm.

연구 동기 및 목표

• 표준 제약 이sov로프성질(RIP)이 비볼록 스펙트럴 평탄도 사전으로 인해 실패하는 부분 표본 추출 망각 회복에서의 안정적 복원 문제를 다루는 것.
• 망각 회복에서 스펙트럴 평탄도 및 희박성 제약 조건 하에 측정 연산자의 구조를 반영하는 RIP 유사 성질을 도출하는 것.
• 실용적인 복원 알고리즘에 대해 near-optimal 표본 복잡도에서 증명 가능한 성능 보장을 수립하는 것.
• i.i.d. 복소 가우시안 원소를 가진 랜덤 사전이 고려된 RIP 유사 성질을 고려할 경우 높은 확률로 성립함을 보이는 것.

제안 방법

• 선형 측정에서의 낮은 랭크 행렬 복원 문제로 망각 회복을 올리프트된 형태로 재정의하는 것.
• 비볼록 锥의 구조를 반영하기 위해 새로운 RIP 유사 성질인 $({\mathcal{S}}, {\mathcal{S}}', \delta)$-제약 각도 유지 성질(RAP)을 정의하는 것.
• 가우시안 측정의 집합에 대한 이차형식의 편차를 구조화된 랭크-1 행렬 집합에서 유계로 제한하기 위해 측도의 농도를 활용하는 것.
• 측정 연산자의 농도를 제어하기 위해 $\Delta_{\mathrm{R}}$ 및 $\Delta_{\mathrm{L}}$ 집합의 프로베니우스 노름, 스펙트럴 노름, 엔트로피 넷 복잡도를 분석하는 것.
• i.i.d. 랜덤 사전이 $ CN(0,1/n) $ 원소를 가질 경우, near-optimal 표본 복잡도에서 필요한 RIP 유사 성질이 높은 확률로 성립함을 증명하는 것.
• 함께 고려된 결과를 활용하여 실용적 알고리즘이 유도된 성질 하에서 안정적 복원을 달성할 수 있음을 보이는 것.

실험 결과

연구 질문

• RQ1 스펙트럴 평탄도 사전이 있는 부분 표본 추출 망각 회복에 표준 RIP 기반 복원 보장을 적용할 수 있는가?
• RQ2 스펙트럴 평탄도 사전이 비볼록 锥의 구조를 유도할 경우, 안정적 복원을 보장하기 위해 필요한 및 충분한 RIP 유사 성질은 무엇인가?
• RQ3 희소하고 스펙트럴 평탄한 신호를 가진 망각 회복에서 안정적 복원을 보장할 수 있는 표본 복잡도는 어느 정도인가?
• RQ4 i.i.d. 랜덤 사전은 이 설정에서 측정 연산자의 RIP 유사 성질에 어떤 영향을 미치는가?
• RQ5 실용적 알고리즘이 이러한 조건 하에서 망각 회복에 대해 near-optimal 표본 복잡도를 달성할 수 있는가?

주요 결과

• 비볼록 스펙트럴 평탄도 사전으로 인해 부분 표본 추출 망각 회복의 측정 연산자가 near-optimal 표본 복잡도에서 표준 제약 이sov로프성질(RIP)을 만족하지 못함을 확인함.
• 논문은 $({\mathcal{S}}, {\mathcal{S}}', \delta)$-RAP를 도입하고 이를 안정적 복원을 위한 필수 구조를 반영하는 타당한 RIP 유사 대체 수 Mittel로 확립함.
• 높은 확률로 i.i.d. 랜덤 사전이 $ CN(0,1/n) $ 원소를 가질 경우, 표본 복잡도 $ m = O((\mu_1 s_2 + \mu_2 s_1)\log^5 n) $ 에서 필요한 RIP 유사 성질이 성립함.
• 이 표본 복잡도는 near-optimal이며, 실용적 알고리즘을 통한 희소 신호의 증명 가능한 안정적 복원을 가능하게 함.
• 스펙트럴 평탄도 사전은 비볼록이지만 near-optimal 성능를 달성하는 데 핵심적이며, 새로운 RIP 유사 성질 유도에 기여함.
• 결과는 서브가우시안 및 부분 푸리에 측정 행렬로도 확장 가능하여, i.i.d. 케이스 외에도 더 넓은 적용 가능성을 시사함.