[논문 리뷰] The empirical eigenvalue distribution of a Gram matrix: From independence to stationarity

Walid Hachem, Loubaton, P.외 1명|ArXiv.org|2005. 02. 25.

Random Matrices and Applications참고 문헌 13인용 수 19

한 줄 요약

이 논문은 정staionary 가우시안 랜덤 필드에서 생성된 그램 행렬의 점점 커지는 경험적 고유값 분포를, 단위 동치 변환을 통해 독립적이고 동일분포가 아닌 성분을 가진 행렬로 근사하는 새로운 방법을 사용하여 규명한다. 주요 결과는 필터 $ h \in \ell^1(\mathbb{Z}^2) $ 와 행렬의 종횡비 $ N/n \to c \in (0,\infty) $ 에 대한 일반적인 조건 하에서 $ Z_nZ_n^* $ 와 $ (Z_n + A_n)(Z_n + A_n)^* $ 의 스펙트럼 분포가 스텔리지 변환으로 특징지어진 결정론적 한계로 거의 확실히 수렴한다는 것이다.

ABSTRACT

Consider a $N imes n$ random matrix $Z_n=(Z^n_{j_1 j_2})$ where the individual entries are a realization of a properly rescaled stationary gaussian random field. The purpose of this article is to study the limiting empirical distribution of the eigenvalues of Gram random matrices such as $Z_n Z_n ^*$ and $(Z_n +A_n)(Z_n +A_n)^*$ where $A_n$ is a deterministic matrix with appropriate assumptions in the case where $n o \infty$ and $\frac Nn o c \in (0,\infty)$. The proof relies on related results for matrices with independent but not identically distributed entries and substantially differs from related works in the literature (Boutet de Monvel et al., Girko, etc.).

연구 동기 및 목표

• 특히 비중앙화된 경우에 대해 정staionary 가우시안 필드에서 구성된 그램 행렬의 점점 커지는 스펙트럼 분포를 유도하는 일반적인 방법이 부족한 문제를 해결한다.
• 기존의 i.i.d. 성분 결과를 확장하여 정staionary 필드에서 유래하는 구조적이고 종속적인 성분을 새로운 근사 기법을 통해 다룬다.
• 필터 $ h $ 와 행렬의 종횡비에 대한 일반적인 조건 하에서 $ Z_nZ_n^* $ 와 $ (Z_n + A_n)(Z_n + A_n)^* $ 의 경험적 고유값 분포의 수렴성을 확립한다.
• 이전의 Boutet de Monvel 등과 Girko의 연구와 다름없이 직접 리졸베이트 분석을 피하는 새로운 증명 프레임워크를 제공한다.
• 무선 통신 분야에서 MIMO 채널 용량과 신호 대 간섭비를 모델링하는 데 응용될 수 있는 엄밀한 이론적 기반을 제공한다.

제안 방법

• 논문은 원래의 행렬 $ Z_n $ 에 대해 인덱스를 $ N $ 과 $ n $ 에 대해 모듈러 연산을 적용하여 순환 유사한 구조를 가지는 주기화된 버전 $ \tilde{Z}_n $ 을 도입한다.
• 푸리에 변환을 통한 유니터리 변환을 사용하여 $ \tilde{Z}_n $ 을 독립적이지만 동일분포가 아닌 성분을 가진 행렬로 변환함으로써 기존의 랜덤 매트릭스 이론 결과를 적용할 수 있도록 한다.
• Bai(2003)의 추적 부등식을 활용하여 $ Z_n $ 과 $ \tilde{Z}_n $ 의 스펙트럼 분포 사이의 레비 거리를 유계화함으로써 두 분포가 동일한 점점 커지는 스펙트럼 분포를 공유함을 보여준다.
• 점점 커지는 스펙트럼 분포는 필터 $ h $ 와 관련된 분산 프로파일 $ \Phi $ 와 필터의 푸리에 변환의 스펙트럼 측도를 통해 스텔리지 변환으로 특징지어진다.
• 핵심 기술 도구로는 푸리에 유니터리 변환을 사용한 구조의 대각화와 경험 측도의 수렴을 제어하기 위한 $ 2\epsilon $-논법의 적용이다.
• 실수 사례로의 확장은 복소수 푸리에 행렬을 실수 정규직교 행렬 $ Q_p $ 로 대체하여 변환된 도메인에서의 독립성 구조를 유지함으로써 처리된다.

실험 결과

연구 질문

• RQ1 필터 $ h \in \ell^1(\mathbb{Z}^2) $ 를 통해 정staionary 가우시안 필드에서 정의된 $ N \times n $ 행렬 $ Z_n $ 에 대해 $ Z_nZ_n^* $ 의 점점 커지는 경험적 고유값 분포는 무엇인가?
• RQ2 특히 $ A_n $ 이 토플리츠 행렬일 경우, $ (Z_n + A_n)(Z_n + A_n)^* $ 의 스펙트럼 분포는 점점 커짐에 따라 어떻게 행동하는가?
• RQ3 직접 리졸베이트 분석이나 강한 i.i.d. 가정에 의존하지 않고도 정staionary 가우시안 필드를 바탕으로 한 그램 행렬의 스펙트럼 분포를 도출할 수 있는가?
• RQ4 주기화와 유니터리 변환은 종속된 성분과 독립된 성분을 가진 랜덤 매트릭스 이론 사이의 격차를 어떻게 메우는가?
• RQ5 이 방법은 실수 값의 가우시안 필드로도 확장 가능한가? 그리고 실수 사례에서의 스펙트럼 한계는 복소수 사례와 어떻게 다를까?

주요 결과

• $ Z_nZ_n^* $ 의 경험적 고유값 분포는 필터 $ h $ 와 관련된 스펙트럼 측도의 스텔리지 변환으로 특징지어진 비결정론적 한계로 거의 확실히 수렴한다.
• $ A_n $ 이 결정론적 행렬이며 적절한 구조적 가정을 만족할 경우, $ (Z_n + A_n)(Z_n + A_n)^* $ 의 점점 커지는 스펙트럼 분포가 존재하며, 수정된 스텔리지 방정식으로 특징지어진다.
• 수렴성은 $ Z_n $ 을 독립적이고 동일분포가 아닌 성분을 가진 행렬로 변환하는 유니터리 동치 변환을 통해 확립되며, 이는 [8]의 이전 결과를 적용할 수 있도록 한다.
• $ n \to \infty $ 일 때 $ Z_n $ 과 그 주기화된 버전 $ \tilde{Z}_n $ 의 스펙트럼 분포 사이의 레비 거리는 0으로 수렴하여 동일한 점점 커지는 행동을 보임을 보장한다.
• 복소수 사례에서는 점점 커지는 스펙트럼 측도가 $ |\Phi(u,v)|^2 $ 에 의해 결정되며, 이는 식 (4.4)와 (4.5)로 특징지어진다.
• 실수 사례에서는 점점 커지는 분포가 $ \Phi_R^2(u,v) = |\Phi(u/2,v/2)|^2 $ 에 의해 결정되며, 이에 해당하는 스텔리지 방정식은 이에 따라 수정된다. 수렴 속도와 구조는 동일하다.