[论文解读] Complex Orthogonal Matching Pursuit and Its Exact Recovery Conditions

Rong Fan, Qun Wan+3 more|arXiv (Cornell University)|Jun 11, 2012

Sparse and Compressive Sensing Techniques参考文献 18被引用 6

一句话总结

本文将正交匹配追踪（OMP）算法扩展至复值压缩感知，为受复高斯白噪声（CAWGN）污染的复稀疏信号建立了充分的精确恢复条件（ERC）。推导出与实值情况类似的复值ERC，证明当互相关性 $\mu(\mathbf{\Psi}) < \frac{1}{2k-1}$ 时，OMP可精确恢复 $k$-稀疏信号，并通过仿真和基于GTD的参数模型应用验证了理论结果。

ABSTRACT

In this paper, we present new results on using orthogonal matching pursuit (OMP), to solve the sparse approximation problem over redundant dictionaries for complex cases (i.e., complex measurement vector, complex dictionary and complex additive white Gaussian noise (CAWGN)). A sufficient condition that OMP can recover the optimal representation of an exactly sparse signal in the complex cases is proposed both in noiseless and bound Gaussian noise settings. Similar to exact recovery condition (ERC) results in real cases, we extend them to complex case and derivate the corresponding ERC in the paper. It leverages this theory to show that OMP succeed for k-sparse signal from a class of complex dictionary. Besides, an application with geometrical theory of diffraction (GTD) model is presented for complex cases. Finally, simulation experiments illustrate the validity of the theoretical analysis.

研究动机与目标

• 弥合现有OMP在复值信号恢复中的理论空白，因为现有精确恢复条件（ERC）仅限于实值情况。
• 推导复域环境下OMP的充分ERC，涵盖无噪声和有界高斯噪声场景。
• 为使用复字典的OMP精确恢复 $k$-稀疏信号提供理论保证。
• 通过雷达和无线传播中的几何绕射理论（GTD）参数模型，展示其在复信号场景下的实际适用性。
• 通过复杂的测量和噪声模型下的综合仿真实验，验证理论发现。

提出的方法

• 将标准OMP算法扩展至复值字典、测量向量以及复高斯白噪声（CAWGN）。
• 通过将实值ERC推广至复域，推导出复值精确恢复条件（ERC），并利用互相关性属性 $\mu(\mathbf{\Psi})$。
• 提出一个新充分条件：当 $\mu(\mathbf{\Psi}) < \frac{1}{2k-1}$ 时，可确保在复域环境中精确恢复 $k$-稀疏信号。
• 将理论框架应用于雷达和无线传播中复信号表示的GTD基参数模型。
• 利用集中不等式和卡方尾部界分析噪声能量，推导出有界噪声场景下 $\|\mathbf{n}\|_2$ 的概率界。
• 采用矩阵投影和残差范数分析，证明在所推导ERC下，残差范数保持有界，且每次OMP迭代均能正确选择原子。

实验结果

研究问题

• RQ1 OMP的精确恢复条件（ERC）能否从实值扩展至复值压缩感知系统？
• RQ2 在CAWGN存在下，复域OMP精确恢复 $k$-稀疏复信号的互相关性 $\mu(\mathbf{\Psi})$ 的充分条件是什么？
• RQ3 在相同稀疏度和相干性约束下，复域OMP的性能与实值OMP相比如何？
• RQ4 所推导的复ERC能否应用于现实世界参数模型，如复信号表示中的几何绕射理论（GTD）？
• RQ5 在复系统中，噪声能量 $\|\mathbf{n}\|_2$ 可建立何种概率界以确保稳定恢复？

主要发现

• 建立了复压缩感知中OMP的充分ERC：若 $\mu(\mathbf{\Psi}) < \frac{1}{2k-1}$，则OMP在无噪声和有界高斯噪声设置下均可精确恢复 $k$-稀疏信号。
• 所推导的复ERC在数学上等价于实值ERC，证实相同的相干性阈值可确保复域中的精确恢复。
• 理论分析表明，在ERC条件下，残差范数 $\|\mathbf{r}_t\|_2$ 保持有界，且每次OMP迭代均能正确选择原子。
• 仿真结果表明，当满足互相关性条件时，OMP可实现精确恢复，验证了理论边界。
• 论文推导出一个概率界：$\mathbb{P}\left(\|\mathbf{n}\|_2 \leq \sigma\sqrt{m + \sqrt{2m\ln(2m)}}\right) > 1 - \frac{1}{2\sqrt{\pi\ln(2m)}}$，确保噪声能量保持在可预测范围内。
• 基于GTD的参数模型应用表明，该复OMP框架在真实世界信号建模场景中具有实际可行性。