[논문 리뷰] Spectral Method for Phase Retrieval: an Expectation Propagation Perspective

Junjie Ma, Rishabh Dudeja외 3명|arXiv (Cornell University)|2019. 03. 06.

Advanced X-ray Imaging Techniques참고 문헌 40인용 수 4

한 줄 요약

이 논문은 정규직교 측정 행렬에 대한 위상 복원에서 스펙트럼 초기화를 분석하기 위해 기대값 전파(EP) 프레임워크를 도입하며, 의미 있는 복원이 가능한 계기점 δ=2에서 단서 전이를 드러낸다. 이는 최적의 스펙트럼 방법 설계가 i.i.d. 가우시안 모델과 일치하며, EP 예측이 헤어 및 푸리에 기반 모델 전반에서 성능을 정확히 포착함을 보여준다.

ABSTRACT

Phase retrieval refers to the problem of recovering a signal $\mathbf{x}_{\star}\in\mathbb{C}^n$ from its phaseless measurements $y_i=|\mathbf{a}_i^{\mathrm{H}}\mathbf{x}_{\star}|$, where $\{\mathbf{a}_i\}_{i=1}^m$ are the measurement vectors. Many popular phase retrieval algorithms are based on the following two-step procedure: (i) initialize the algorithm based on a spectral method, (ii) refine the initial estimate by a local search algorithm (e.g., gradient descent). The quality of the spectral initialization step can have a major impact on the performance of the overall algorithm. In this paper, we focus on the model where the measurement matrix $\mathbf{A}=[\mathbf{a}_1,\ldots,\mathbf{a}_m]^{\mathrm{H}}$ has orthonormal columns, and study the spectral initialization under the asymptotic setting $m,n o\infty$ with $m/n oδ\in(1,\infty)$. We use the expectation propagation framework to characterize the performance of spectral initialization for Haar distributed matrices. Our numerical results confirm that the predictions of the EP method are accurate for not-only Haar distributed matrices, but also for realistic Fourier based models (e.g. the coded diffraction model). The main findings of this paper are the following: (1) There exists a threshold on $δ$ (denoted as $δ_{\mathrm{weak}}$) below which the spectral method cannot produce a meaningful estimate. We show that $δ_{\mathrm{weak}}=2$ for the column-orthonormal model. In contrast, previous results by Mondelli and Montanari show that $δ_{\mathrm{weak}}=1$ for the i.i.d. Gaussian model. (2) The optimal design for the spectral method coincides with that for the i.i.d. Gaussian model, where the latter was recently introduced by Luo, Alghamdi and Lu.

연구 동기 및 목표

• m,n→∞ 및 m/n→δ 조건에서 정규직교 측정 행렬을 갖는 위상 복원에서 스펙트럼 초기화의 성능을 규명하는 것.
• 스펙트럼 초기화가 유의미한 추정치를 생성하지 못하는 임계 임계점 δ_weak을 규명하는 것.
• 헤어 분포 및 현실적인 푸리에 기반 측정 모델에 대해 기대값 전파(EP) 예측의 정확성을 검증하는 것.
• 정규직교 모델 하에서 초기화 품질을 최대화하는 최적의 스펙트럼 처리 함수 T(y)를 결정하는 것.
• i.i.d. 가우시안 모델에서의 이전 결과(δ_weak=1)와 비교하여 스펙트럼 방법의 성능 계기점 확인

제안 방법

• 스펙트럼 초기화의 점근적 성능 예측을 도출하기 위해 기대값 전파(EP) 프레임워크를 사용한다.
• 측정 행렬 A의 열을 정규직교로 모델링하고, 점근적 영역에서 헤어 분포를 가진 요소를 가정한다.
• EP 근사 기반으로 진짜 신호와 스펙트럼 추정치 간 코사인 유사도에 대한 상태 진동 방정식을 유도한다.
• 초기화 품질 향상을 위해 데이터 행렬 D = A^H diag{T(y_i)} A에 비선형 처리 함수 T(y)를 도입한다.
• 체비셰프의 연관 부등식과 단조성 분석을 적용하여 EP 기반 성능 경계의 수렴성 및 최적성 증명.
• 헤어 분포 및 코딩된 회절 패턴(Fourier 기반) 모델 전반에서 EP 예측을 수치적으로 검증한다.

실험 결과

연구 질문

• RQ1 정규직교 측정 행렬에 대해 스펙트럼 초기화가 의미 있는 추정치를 생성하지 못하는 임계점 δ_weak은 무엇인가?
• RQ2 데이터 행렬 내 비선형 처리 함수 T(y)의 선택은 스펙트럼 초기화 성능에 어떻게 영향을 미치는가?
• RQ3 기대값 전파(EP) 프레임워크는 코딩된 회절 패턴과 같은 비가우시안 측정 모델에서의 스펙트럼 초기화 성능을 정확히 예측할 수 있는가?
• RQ4 정규직교 행렬에 대한 스펙트럼 방법의 최적 설계는 i.i.d. 가우시안 행렬의 경우와 일치하는가?
• RQ5 처리 함수 T(y)의 단조성과 EP 기반 상태 진동의 수렴성 간의 관계는 무엇인가?

주요 결과

• 정규직교 측정 행렬에서 δ=2에서 단서 전이가 발생하며, 이하에서는 스펙트럼 초기화가 의미 있는 추정치를 생성할 수 없으며, 즉 δ_weak=2이다.
• 정규직교 모델에 대한 최적의 처리 함수 T(y)는 최근 루오, 알가미디, 루가 i.i.d. 가우시안 모델에 대해 제안한 것과 일치한다.
• EP 프레임워크는 헤어 분포 행렬 뿐 아니라 현실적인 푸리에 기반 모델(예: 코딩된 회절 패턴)에서도 스펙트럼 초기화 성능을 정확히 예측한다.
• 처리 함수 T(y)가 증가하고 EP를 통해 유도된 특정 단조성 조건을 만족할 경우, 진짜 신호와 스펙트럼 추정치 간 코사인 유사도가 최대화된다.
• 이론적 분석을 통해 T(y)=T⋆(y)=1−1/(δy²)일 때 모든 μ∈(0,1)에 대해 ψ1(μ) > ψ2(μ)임을 확인하여 최적 설계 하에서 성능 향상이 이루어짐을 입증한다.
• 수치 결과는 예측된 임계점 δ=2가 정확하며, EP 기반 예측이 다양한 측정 모델에서 실측 성능과 밀접하게 일치함을 검증한다.